| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 面向智能视频监控的前景提取和动作识别简介 | 第13-15页 |
| 1.2 面向智能视频监控的前景提取和动作识别所面临的困难 | 第15-17页 |
| 1.2.1 前景提取质量与性能不高 | 第15-16页 |
| 1.2.2 运动模糊使前景信息丢失 | 第16-17页 |
| 1.2.3 人体动作识别难度大 | 第17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 章节结构 | 第18-21页 |
| 第2章 面向智能视频监控的前景提取和动作识别综述 | 第21-46页 |
| 2.1 研究内容 | 第21页 |
| 2.2 运动前景提取 | 第21-27页 |
| 2.2.1 基于背景减除的前景提取 | 第22-26页 |
| 2.2.2 热点问题和最新进展 | 第26-27页 |
| 2.3 运动前景去模糊 | 第27-31页 |
| 2.3.1 传统图像去模糊方法 | 第28-30页 |
| 2.3.2 热点问题和最新进展 | 第30-31页 |
| 2.4 人体动作识别 | 第31-44页 |
| 2.4.1 动作识别中的特征提取 | 第32-39页 |
| 2.4.2 动作识别中的建模方法 | 第39-43页 |
| 2.4.3 热点问题和最新进展 | 第43-44页 |
| 2.5 术语约定 | 第44-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第3章 基于视频块的前景提取技术 | 第46-66页 |
| 3.1 现有方法存在的问题 | 第46-47页 |
| 3.2 基于编码本的背景建模 | 第47-50页 |
| 3.3 基于视频块的前景提取技术 | 第50-62页 |
| 3.3.1 总体技术框架 | 第50-53页 |
| 3.3.2 基于块的像素颜色聚类 | 第53-55页 |
| 3.3.3 颜色权值索引和分类 | 第55-57页 |
| 3.3.4 阴影去除和物体跟踪 | 第57-62页 |
| 3.4 基于视频块的前景提取技术分析 | 第62-63页 |
| 3.5 实验结果与比较 | 第63-65页 |
| 3.6 本章小结 | 第65-66页 |
| 第4章 面向视频前景的去模糊技术 | 第66-86页 |
| 4.1 现有方法存在的问题 | 第66页 |
| 4.2 面向视频前景的去模糊技术 | 第66-78页 |
| 4.2.1 总体技术框架 | 第66-71页 |
| 4.2.2 仿射运动参数估计 | 第71-74页 |
| 4.2.3 模糊估计和点传播函数估计 | 第74-76页 |
| 4.2.4 前景蒙版和对象的提取 | 第76-77页 |
| 4.2.5 空间变化的理查德露西反卷积 | 第77-78页 |
| 4.3 面向视频前景的去模糊技术分析 | 第78-79页 |
| 4.4 实验结果与比较 | 第79-85页 |
| 4.4.1 时间缩放和平移 | 第81-83页 |
| 4.4.2 多个物体的情况 | 第83-85页 |
| 4.5 本章小结 | 第85-86页 |
| 第5章 基于时空兴趣点和弹性流形嵌入的人体动作识别技术 | 第86-106页 |
| 5.1 现有方法存在的问题 | 第86-88页 |
| 5.2 基于时空兴趣点和弹性流形嵌入的人体动作识别技术 | 第88-99页 |
| 5.2.1 总体技术框架 | 第88-89页 |
| 5.2.2 三维时空兴趣点提取方法 | 第89-91页 |
| 5.2.3 基于弹性流形嵌入的特征降维 | 第91-98页 |
| 5.2.4 动作嵌入和动作识别 | 第98-99页 |
| 5.3 基于时空兴趣点和流形弹性网的人体运动识别技术分析 | 第99-100页 |
| 5.4 实验结果与比较 | 第100-104页 |
| 5.4.1 特征提取 | 第100页 |
| 5.4.2 Weizmann数据集上的实验 | 第100-101页 |
| 5.4.3 KTH数据集上的实验 | 第101-103页 |
| 5.4.4 UCF数据集上的实验 | 第103-104页 |
| 5.5 本章小结 | 第104-106页 |
| 第6章 总结与展望 | 第106-108页 |
| 6.1 全文总结及创新点 | 第106-107页 |
| 6.2 未来工作展望 | 第107-108页 |
| 参考文献 | 第108-121页 |
| 攻读博士学位期间主要的研究成果 | 第121-123页 |
| 致谢 | 第123页 |
