| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 人体行为识别的特征提取的研究现状 | 第9-11页 |
| 1.2.2 人体行为表示方法的研究现状 | 第11页 |
| 1.3 本文研究内容简介 | 第11-12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 人体行为识别基本原理和方法 | 第14-27页 |
| 2.1 人体行为识别的系统架构 | 第14页 |
| 2.2 视频预处理 | 第14-16页 |
| 2.2.1 静态特征显著性检测 | 第15页 |
| 2.2.2 动态特征显著性检测 | 第15-16页 |
| 2.3 特征提取与表示 | 第16-20页 |
| 2.3.1 轨迹特征的提取 | 第16-18页 |
| 2.3.2 特征的表示 | 第18-19页 |
| 2.3.3 数据的降维处理 | 第19-20页 |
| 2.4 常用的分类算法 | 第20-23页 |
| 2.4.1 k近邻分类算法 | 第21页 |
| 2.4.2 支持向量机 | 第21-23页 |
| 2.5 人体运动行为识别的主要数据集与评价指标 | 第23-25页 |
| 2.5.1 主要数据集 | 第23-25页 |
| 2.5.2 评价指标 | 第25页 |
| 2.6 本章小结 | 第25-27页 |
| 第三章 基于显著性检测和稠密轨迹的人体行为识别 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 显著性检测和特征编码的基本原理 | 第27-30页 |
| 3.2.1 基于多尺度静态显著性检测的动作主体的获取 | 第28-29页 |
| 3.2.2 基于动态显著性检测的运动主体区域的获取 | 第29-30页 |
| 3.2.3 基于Fisher Vector的特征编码 | 第30页 |
| 3.3 算法实现步骤 | 第30-32页 |
| 3.4 仿真实验与结果分析 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 对有效视频帧时间序池化的人体行为识别 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 对有效视频帧时间序池化的基本原理 | 第37-40页 |
| 4.2.1 基于局部累计描述向量的特征编码 | 第37-38页 |
| 4.2.2 基于余弦相似度分析的有效视频帧的获取 | 第38页 |
| 4.2.3 时间序池化的基本原理 | 第38-40页 |
| 4.3 算法实现步骤 | 第40-42页 |
| 4.4 仿真实验与结果分析 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 一种运用线性序列差异分析降维的行为识别方法 | 第46-56页 |
| 5.1 引言 | 第46页 |
| 5.2 运用线性序列差异分析降维的基本原理 | 第46-50页 |
| 5.2.1 基于ViBe算法的背景减除 | 第47-48页 |
| 5.2.2 基于动态时间规整算法的序列类别差异衡量 | 第48-49页 |
| 5.2.3 基于线性序列差异分析的降维原理 | 第49-50页 |
| 5.3 算法实现步骤 | 第50-51页 |
| 5.4 仿真实验结果与分析 | 第51-55页 |
| 5.4.1 基于ViBe算法的背景减除操作 | 第52-54页 |
| 5.4.2 运用线性序列差异分析的降维操作 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 主要结论与展望 | 第56-58页 |
| 主要结论 | 第56页 |
| 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第62页 |
