| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-25页 |
| ·研究背景及意义 | 第9-11页 |
| ·图模型理论的研究现状 | 第11-17页 |
| ·图模型的表征方法 | 第11-14页 |
| ·推理方法 | 第14-16页 |
| ·学习方法 | 第16-17页 |
| ·人体运动分析的研究现状 | 第17-23页 |
| ·引言 | 第17-19页 |
| ·人体行为识别发展现状 | 第19-21页 |
| ·步态识别发展现状 | 第21-23页 |
| ·本文的基本思路和主要研究内容 | 第23-25页 |
| 第二章 基于隐马尔可夫模型(HMM)的动态图像序列建模 | 第25-42页 |
| ·HMM 基本原理 | 第25-30页 |
| ·HMM 参数 | 第26页 |
| ·HMM 基本算法 | 第26-30页 |
| ·基于HMM 的动态图像序列建模 | 第30-34页 |
| ·HMM 训练和识别过程 | 第30-32页 |
| ·实现中的问题 | 第32-34页 |
| ·基于HMM 的人体运动分析 | 第34-41页 |
| ·特征提取 | 第34-35页 |
| ·人体行为识别 | 第35-37页 |
| ·步态识别 | 第37-41页 |
| ·小结 | 第41-42页 |
| 第三章 低质量步态图像的帧差主体图表征法 | 第42-61页 |
| ·引言 | 第42-48页 |
| ·人体行为序列的表征 | 第42-43页 |
| ·步态序列的表征 | 第43-48页 |
| ·帧差主体图表征法 | 第48-51页 |
| ·实验和结果分析 | 第51-59页 |
| ·加遮挡的CMU Mobo 步态数据库 | 第51-56页 |
| ·CASIA 步态数据库B | 第56-59页 |
| ·小结 | 第59-61页 |
| 第四章 基于因子HMM (FHMM)和并联HMM (PHMM)的融合建模 | 第61-80页 |
| ·人体运动分析中的融合 | 第61-66页 |
| ·基于FHMM 和PHMM 的图像序列融合建模 | 第66-69页 |
| ·FHMM 和PHMM | 第66-68页 |
| ·参数估计 | 第68-69页 |
| ·特征提取及其相关性 | 第69-72页 |
| ·特征提取 | 第69-70页 |
| ·正则典型相关分析 | 第70-72页 |
| ·实验和结果分析 | 第72-79页 |
| ·McNemar 检验 | 第72页 |
| ·实验结果 | 第72-77页 |
| ·融合性能分析 | 第77-79页 |
| ·小结 | 第79-80页 |
| 第五章 二值动态纹理模型和张量子空间动态纹理模型 | 第80-93页 |
| ·动态纹理模型 | 第80-82页 |
| ·二值动态纹理模型和张量子空间动态纹理模型 | 第82-87页 |
| ·二值动态纹理模型 | 第82-86页 |
| ·张量子空间动态纹理模型 | 第86-87页 |
| ·实验和结果分析 | 第87-92页 |
| ·Martin 距离 | 第87-88页 |
| ·人体行为识别 | 第88-89页 |
| ·步态识别 | 第89-92页 |
| ·小结 | 第92-93页 |
| 第六章 分层时间序列模型 | 第93-104页 |
| ·相关研究 | 第93-96页 |
| ·分层时间序列模型 | 第96-99页 |
| ·模型的描述 | 第96-97页 |
| ·学习算法 | 第97-99页 |
| ·实验和结果分析 | 第99-103页 |
| ·CMU Mobo 步态数据库 | 第99-101页 |
| ·CASIA 数据库B | 第101-103页 |
| ·小结 | 第103-104页 |
| 第七章 总结及展望 | 第104-107页 |
| ·工作总结 | 第104-105页 |
| ·展望 | 第105-107页 |
| 致谢 | 第107-109页 |
| 参考文献 | 第109-116页 |
| 攻读博士学位期间的研究成果 | 第116-117页 |