| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 论文的研究背景 | 第8页 |
| 1.2 论文的研究意义 | 第8-11页 |
| 1.3 国内外研究的现状 | 第11-16页 |
| 1.3.1 简单行为识别方法 | 第11-13页 |
| 1.3.2 复杂行为识别方法 | 第13-14页 |
| 1.3.3 真实场景下的行为识别 | 第14-15页 |
| 1.3.4 大数据真实场景下的行为识别 | 第15-16页 |
| 1.4 论文的主要内容和结构安排 | 第16-18页 |
| 2 人体行为识别系统 | 第18-24页 |
| 2.1 人体行为识别系统架构 | 第18-20页 |
| 2.2 时序建模及分类算法 | 第20-22页 |
| 2.3 基于时序信息的行为识别系统描述 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 特征提取 | 第24-31页 |
| 3.1 方向梯度直方图(HOG) | 第24-26页 |
| 3.2 光流直方图(HOF) | 第26-28页 |
| 3.3 运动边界直方图(MBH) | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 多维时间序列特征变换 | 第31-38页 |
| 4.1 引言 | 第31-32页 |
| 4.2 流形学习中的降维算法 | 第32-37页 |
| 4.2.1 局部线性嵌入(LLE)算法 | 第32-35页 |
| 4.2.2 拉普拉斯特征映射(LE)算法 | 第35-36页 |
| 4.2.3 局部保持映射(LPP)算法 | 第36-37页 |
| 4.3 本章小结 | 第37-38页 |
| 5 时间序列行为建模 | 第38-48页 |
| 5.1 LDS线性动态系统 | 第38-39页 |
| 5.2 复线性高斯分布 | 第39-42页 |
| 5.3 c-LDS复数线性动态系统 | 第42-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 线性动态系统的距离标准 | 第48-54页 |
| 6.1 子空间角度距离 | 第48-53页 |
| 6.1.1 子空间之间的主角 | 第48-49页 |
| 6.1.2 一组SISO-LTIAR模型的度量 | 第49-50页 |
| 6.1.3 AR模型之间的子空间角度 | 第50-53页 |
| 6.2 本章小结 | 第53-54页 |
| 7 实验结果与分析 | 第54-61页 |
| 7.1 数据集 | 第54-55页 |
| 7.2 特征表达 | 第55-57页 |
| 7.2.1 特征对比实验 | 第56页 |
| 7.2.2 数据降维实验 | 第56-57页 |
| 7.3 本文方法与传统方法的比较 | 第57-60页 |
| 7.3.1 复数线性动态系统与传统线性动态系统的比较 | 第57-59页 |
| 7.3.2 本文人体行为识别与其它时序建模算法的比较 | 第59-60页 |
| 7.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间发表的论文 | 第69-70页 |