| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 面临的问题和挑战 | 第14-15页 |
| 1.4 本文主要工作 | 第15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 1.6 本章小结 | 第16-17页 |
| 第二章 局部时空特征的人体动作识别 | 第17-31页 |
| 2.1 时空兴趣点 | 第17-20页 |
| 2.1.1 空间域Harris检测子 | 第18-19页 |
| 2.1.2 时间-空间域Harris检测子 | 第19-20页 |
| 2.2 HOG和HOF局部描述子 | 第20-22页 |
| 2.2.1 HOG局部描述子 | 第20-21页 |
| 2.2.2 HOF描述子 | 第21-22页 |
| 2.3 词袋模型 | 第22-24页 |
| 2.4 SVM分类器 | 第24-30页 |
| 2.4.1 支持向量机基本型 | 第25页 |
| 2.4.2 基本型的对偶问题 | 第25-26页 |
| 2.4.3 线性不可分情况 | 第26-28页 |
| 2.4.4 基于SVM的多分类 | 第28-29页 |
| 2.4.5 基于时空特征和SVM的动作识别框架 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于哈希的词袋字典学习 | 第31-44页 |
| 3.0 k-means聚类算法 | 第31-32页 |
| 3.1 哈希方法简介 | 第32-35页 |
| 3.1.1 局部敏感哈希 | 第32-33页 |
| 3.1.2 迭代量化哈希 | 第33-35页 |
| 3.2 使用哈希方法进行词袋字典学习 | 第35-38页 |
| 3.3 基于稀疏表示的字典学习 | 第38-43页 |
| 3.3.1 算法提出背景 | 第39-41页 |
| 3.3.2 算法理论推导 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实验结果对比与分析 | 第44-56页 |
| 4.1 实验数据集介绍 | 第44-45页 |
| 4.2 评价方法 | 第45-47页 |
| 4.3 实验设计及参数设定 | 第47-48页 |
| 4.4 实验结果及分析 | 第48-54页 |
| 4.4.1 Weizmann数据集上的实验结果对比 | 第48-51页 |
| 4.4.2 Hollywood2数据集上的实验结果对比 | 第51-54页 |
| 4.5 本章小结 | 第54-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |