| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题研究的背景和意义 | 第12-15页 |
| 1.1.1 人体行为识别的应用领域 | 第12-13页 |
| 1.1.2 人体行为识别存在的问题 | 第13-15页 |
| 1.1.3 解决该问题的意义 | 第15页 |
| 1.2 人体行为识别研究现状及分析 | 第15-19页 |
| 1.2.1 应用现状 | 第15-16页 |
| 1.2.2 技术现状 | 第16-19页 |
| 1.3 本文的研究目标和内容 | 第19-20页 |
| 1.3.1 研究目标 | 第19-20页 |
| 1.3.2 研究内容 | 第20页 |
| 1.4 本文的结构 | 第20-21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 局部特征的提取与描述 | 第22-31页 |
| 2.1 引言 | 第22页 |
| 2.2 HOG和HOF特征提取方法 | 第22-24页 |
| 2.2.1 HOG特征 | 第22-23页 |
| 2.2.2 HOF特征 | 第23-24页 |
| 2.3 时空兴趣点检测 | 第24-27页 |
| 2.3.1 Harris 3D兴趣点检测 | 第25-26页 |
| 2.3.2 Dollar兴趣点检测 | 第26-27页 |
| 2.4 时空兴趣点描述 | 第27-30页 |
| 2.4.1 3D-SIFT描述子 | 第27-28页 |
| 2.4.2 HOG 3D描述子 | 第28-29页 |
| 2.4.3 Cuboids立方体描述子 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 基于HOIRM和局部特征融合的行为识别方法 | 第31-48页 |
| 3.1 引言 | 第31页 |
| 3.2 BREGONZIO兴趣点检测算法概述 | 第31-33页 |
| 3.3 基于HOIRM和局部特征融合的行为识别方法 | 第33-41页 |
| 3.3.1 算法描述 | 第33-34页 |
| 3.3.2 算法实现流程 | 第34-41页 |
| 3.4 实验与分析 | 第41-47页 |
| 3.4.1 实验数据及环境 | 第41-43页 |
| 3.4.2 结果与分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于AP聚类词袋建模的行为识别方法 | 第48-61页 |
| 4.1 引言 | 第48页 |
| 4.2 词袋模型概述 | 第48-51页 |
| 4.2.1 词袋模型原理 | 第48-49页 |
| 4.2.2 词典构建方法 | 第49-51页 |
| 4.3 AP聚类算法概述 | 第51-53页 |
| 4.3.1 AP算法的基本理论 | 第51-52页 |
| 4.3.2 AP算法的流程 | 第52-53页 |
| 4.4 基于AP聚类词袋建模的行为识别方法 | 第53-56页 |
| 4.4.1 算法描述 | 第53-54页 |
| 4.4.2 算法实现流程 | 第54-56页 |
| 4.5 实验与分析 | 第56-60页 |
| 4.5.1 评价标准 | 第56页 |
| 4.5.2 结果与分析 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 全文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间参加的科研项目和成果 | 第68页 |