基于视频流的人体行为识别研究与设计
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 主要符号对照表 | 第8-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景及实际意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 目标检测国内外研究现状 | 第10-11页 |
| 1.2.2 行为识别国内外研究现状 | 第11-13页 |
| 1.3 本文结构 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第2章 运动人体目标检测与行为识别方法 | 第14-26页 |
| 2.1 目标检测算法综述 | 第14-20页 |
| 2.1.1 时间差分法 | 第14-16页 |
| 2.1.2 光流法 | 第16-17页 |
| 2.1.3 背景减除法 | 第17-18页 |
| 2.1.4 Kim检测算法 | 第18-19页 |
| 2.1.5 基于自相似的目标检测与跟踪方法 | 第19-20页 |
| 2.1.6 各种目标检测算法对比 | 第20页 |
| 2.2 常用行为识别算法 | 第20-24页 |
| 2.2.1 行为识别研究进展 | 第20-21页 |
| 2.2.2 基于模板匹配法 | 第21-22页 |
| 2.2.3 基于状态空间法 | 第22-24页 |
| 2.2.4 基于语义描述的方法 | 第24页 |
| 2.2.5 基于建模的方法 | 第24页 |
| 2.3 本章小结 | 第24-26页 |
| 第3章 人体行为特征提取识别与运动信息描述 | 第26-36页 |
| 3.1 经典人体特征 | 第26-30页 |
| 3.1.1 Haar特征 | 第26-27页 |
| 3.1.2 SIFT特征 | 第27-28页 |
| 3.1.3 HOG特征 | 第28-30页 |
| 3.2 常用典型分类器 | 第30-32页 |
| 3.2.1 Kmeans分类器 | 第30-31页 |
| 3.2.2 SVM分类器 | 第31-32页 |
| 3.2.3 Softmax分类器 | 第32页 |
| 3.3 人体行为特征描述与提取研究 | 第32-35页 |
| 3.3.1 人体运动信息与行为模型描述 | 第32页 |
| 3.3.2 全局特征与局部特特征 | 第32-33页 |
| 3.3.3 基于Hu特征矩的特征提取方法 | 第33-34页 |
| 3.3.4 基于傅里叶描述子的特征提取方法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于深度网络的人体行为识别 | 第36-50页 |
| 4.1 行为识别数据库介绍 | 第36-37页 |
| 4.1.1 KTH行为识别数据集 | 第36页 |
| 4.1.2 UCF-sports行为识别数据集 | 第36-37页 |
| 4.1.3 Weizmann行为识别数据集 | 第37页 |
| 4.2 深度学习网络 | 第37-38页 |
| 4.2.1 深度学习概述 | 第37-38页 |
| 4.2.2 深度学习常见模型 | 第38页 |
| 4.3 卷积神经网络 | 第38-42页 |
| 4.3.1 卷积神经网络结构 | 第39-40页 |
| 4.3.2 局部感受野 | 第40页 |
| 4.3.3 共享权值 | 第40-41页 |
| 4.3.4 下采样 | 第41-42页 |
| 4.3.5 AlexNet结构介绍 | 第42页 |
| 4.4 基于3D卷积神经网络的行为识别 | 第42-45页 |
| 4.4.1 C3D+LSTM测试实验 | 第43-45页 |
| 4.5 类VGG神经网路模型设计 | 第45-48页 |
| 4.5.1 VGG模型的背景 | 第45页 |
| 4.5.2 VGG神经网络结构 | 第45-46页 |
| 4.5.3 BN算法简述 | 第46-47页 |
| 4.5.4 随机梯度下降算法 | 第47页 |
| 4.5.5 类VGG网络结构设计 | 第47-48页 |
| 4.6 基于深度网络人体行为识别实现设计思路 | 第48-49页 |
| 4.7 本章小结 | 第49-50页 |
| 第5章 实验技术背景与结果分析 | 第50-65页 |
| 5.1 Tensorflow介绍 | 第50页 |
| 5.2 Keras介绍 | 第50-51页 |
| 5.3 环境配置流程 | 第51页 |
| 5.4 数据准备与预处理 | 第51页 |
| 5.5 训练流程 | 第51-52页 |
| 5.6 实验结果分析 | 第52-64页 |
| 5.7 本章小结 | 第64-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 论文工作的总体总结 | 第65页 |
| 6.2 展望与后续工作 | 第65-66页 |
| 6.3 本章小结 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72页 |
| 攻读硕士期间发表论文及科研成果 | 第72页 |
