| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 行人检测 | 第11-13页 |
| 1.2.2 行为识别 | 第13-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文章节结构 | 第15-18页 |
| 第2章 相关知识概述 | 第18-32页 |
| 2.1 人工神经网络 | 第18-19页 |
| 2.2 卷积神经网络 | 第19-25页 |
| 2.3 行人检测相关知识概述 | 第25-28页 |
| 2.3.1 通用目标检测方法概述 | 第25-27页 |
| 2.3.2 基于先验框(Anchor)的行人检测方法 | 第27-28页 |
| 2.3.3 基于无先验框(Anchor-free)的行人检测方法 | 第28页 |
| 2.4 行为识别相关知识概述 | 第28-31页 |
| 2.4.1 基于视频帧的识别方法 | 第29-30页 |
| 2.4.2 基于双流的识别方法 | 第30-31页 |
| 2.4.3 基于三维卷积网络的识别方法 | 第31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于特征感受增强的行人检测器 | 第32-50页 |
| 3.1 问题描述 | 第32-34页 |
| 3.2 行人检测模型结构 | 第34-37页 |
| 3.3 特征增强模块 | 第37-41页 |
| 3.3.1 感受野增强模块 | 第37-39页 |
| 3.3.2 多层次聚合模块 | 第39-41页 |
| 3.4 模型训练和效果评估 | 第41-48页 |
| 3.4.1 数据集 | 第41-44页 |
| 3.4.2 效果评估 | 第44-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 人体行为识别研究 | 第50-66页 |
| 4.1 问题描述 | 第50-51页 |
| 4.2 基于解耦检测器的双流行为识别网络 | 第51-57页 |
| 4.2.1 双流卷积神经网络 | 第51-52页 |
| 4.2.2 网络模型设计 | 第52-57页 |
| 4.3 后处理 | 第57-58页 |
| 4.4 模型训练和效果评估 | 第58-65页 |
| 4.4.1 数据集 | 第58-60页 |
| 4.4.2 性能评价指标分析 | 第60页 |
| 4.4.3 效果评估 | 第60-63页 |
| 4.4.4 效果可视化 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 主要工作 | 第66-67页 |
| 5.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-76页 |
| 致谢 | 第76-78页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第78页 |