| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·视频行为识别概述 | 第12-14页 |
| ·研究现状及发展趋势 | 第14-17页 |
| ·研究现状 | 第14-16页 |
| ·发展趋势 | 第16-17页 |
| ·论文主要研究内容及结构 | 第17-20页 |
| 第2章 基于 Granger 因果关系检验的视频行为识别 | 第20-33页 |
| ·引言 | 第20页 |
| ·Granger 因果关系检验 | 第20-24页 |
| ·Granger 因果关系检验概述 | 第20-21页 |
| ·Granger 因果关系检验的定义 | 第21-23页 |
| ·Granger 因果关系检验的步骤 | 第23-24页 |
| ·视频行为识别中 Granger 因果关系检验的应用 | 第24-32页 |
| ·目标轨迹跟踪算法 | 第24-30页 |
| ·目标行为特征的提取 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于因果复杂网络模型的视频行为识别 | 第33-42页 |
| ·引言 | 第33页 |
| ·复杂网络 | 第33-37页 |
| ·复杂网络的概述 | 第33-36页 |
| ·复杂网络的统计特性 | 第36-37页 |
| ·行为分析中因果复杂网络模型的构建 | 第37-40页 |
| ·行为分析中的因果关系 | 第37-39页 |
| ·复杂网络模型的构建 | 第39-40页 |
| ·人群行为特征提取 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 实验结果与分析 | 第42-60页 |
| ·分类算法介绍 | 第42-46页 |
| ·k-近邻（k-NN）分类算法 | 第42-43页 |
| ·支持向量机分类算法 | 第43-46页 |
| ·实验与分析 | 第46-58页 |
| ·实验数据库 | 第46-47页 |
| ·测试过程和实验结果分析 | 第47-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |