基于组稀疏和字典学习的人体行为识别方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究的目的及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 人体行为识别的应用场景 | 第17-20页 |
| 1.2.2 人体行为识别的研究现状 | 第20-21页 |
| 1.2.3 人体行为识别所面临的挑战 | 第21-23页 |
| 1.3 本文主要贡献和内容安排 | 第23-26页 |
| 第二章 人体行为识别基础 | 第26-36页 |
| 2.1 特征检测 | 第26-28页 |
| 2.2 特征描述 | 第28-29页 |
| 2.3 特征学习 | 第29-33页 |
| 2.3.1 BoF模型 | 第29-30页 |
| 2.3.2 稀疏编码 | 第30-31页 |
| 2.3.3 局部约束线性编码 | 第31-32页 |
| 2.3.4 组稀疏编码 | 第32-33页 |
| 2.4 行为分类 | 第33-35页 |
| 2.4.1 K最近邻算法 | 第33-34页 |
| 2.4.2 支持向量机 | 第34页 |
| 2.4.3 稀疏表示分类 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于相似性权值的半监督字典学习 | 第36-50页 |
| 3.1 半监督学习 | 第36-37页 |
| 3.2 局部特征的提取 | 第37-38页 |
| 3.3 基于相似性权值的半监督字典学习方法 | 第38-42页 |
| 3.3.1 相似性权值 | 第38-39页 |
| 3.3.2 半监督字典学习 | 第39-40页 |
| 3.3.3 模型优化 | 第40-41页 |
| 3.3.4 字典学习 | 第41-42页 |
| 3.3.5 视频编码 | 第42页 |
| 3.4 实验 | 第42-48页 |
| 3.4.1 实验设置 | 第42-43页 |
| 3.4.2 数据集 | 第43-44页 |
| 3.4.3 收敛性分析 | 第44页 |
| 3.4.4 在Weizmann数据集上的实验 | 第44-46页 |
| 3.4.5 在KTH数据集上的实验 | 第46-48页 |
| 3.4.6 在Hollywood数据集上的实验 | 第48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 基于局部 2,1 范数的人体行为识别方法 | 第50-58页 |
| 4.1 不同的范数 | 第50-51页 |
| 4.2 基于局部 2,1 范数的特征编码方法 | 第51-52页 |
| 4.3 模型优化 | 第52-53页 |
| 4.4 实验 | 第53-56页 |
| 4.4.1 实验设置 | 第53-54页 |
| 4.4.2 在Weizmann数据集上的实验 | 第54-55页 |
| 4.4.3 在KTH数据集上的实验 | 第55页 |
| 4.4.4 在Hollywood数据集上的实验 | 第55-56页 |
| 4.5 总结 | 第56-58页 |
| 第五章 半监督字典学习人体行为识别方法 | 第58-68页 |
| 5.1 字典学习 | 第58-59页 |
| 5.2 对字典学习的改进 | 第59页 |
| 5.3 半监督字典学习 | 第59-60页 |
| 5.4 算法描述 | 第60-63页 |
| 5.4.1 样本编码 | 第60-61页 |
| 5.4.2 字典学习 | 第61页 |
| 5.4.3 模型优化 | 第61-63页 |
| 5.5 实验 | 第63-66页 |
| 5.5.1 在数据集Weizmann上的实验 | 第63-64页 |
| 5.5.2 在数据集KTH上的实验 | 第64-65页 |
| 5.5.3 在数据集UCF上的实验 | 第65-66页 |
| 5.6 本章小结 | 第66-68页 |
| 第六章 总结和展望 | 第68-70页 |
| 6.1 工作总结 | 第68页 |
| 6.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
