基于时空特征点的行为识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-33页 |
| ·问题提出 | 第11-12页 |
| ·相关工作 | 第12-28页 |
| ·基于人体模型的方式 | 第12-13页 |
| ·基于整体运动信息的模型方式 | 第13-20页 |
| ·基于局部特征的方法 | 第20-24页 |
| ·时空特征点的运动轨迹 | 第24页 |
| ·特征包 | 第24-25页 |
| ·时空行为模型 | 第25-26页 |
| ·基于投票机制的行为位置确定 | 第26-28页 |
| ·行为识别数据库介绍 | 第28-32页 |
| ·KTH 数据库 | 第28-29页 |
| ·Weizmann 数据库 | 第29-30页 |
| ·Youtobe 数据库 | 第30-31页 |
| ·Hollywood 数据库 | 第31-32页 |
| ·本章小结 | 第32页 |
| ·本论文结构安排以及内容 | 第32-33页 |
| 第2章 改进的时空特征点局部描述符 | 第33-68页 |
| ·介绍 | 第33-35页 |
| ·时空特征 | 第35-38页 |
| ·特征检测 | 第38-46页 |
| ·由空间域扩展到时空域 | 第39-44页 |
| ·Surf 兴趣点的检测 | 第44-46页 |
| ·Cuboids 描述 | 第46-51页 |
| ·改进的使用 surf 描述的 cuboids | 第51-54页 |
| ·Cuboids 类型以及行为的表示 | 第54-56页 |
| ·cuboids 类型 | 第54-55页 |
| ·行为的表征 | 第55-56页 |
| ·实验 | 第56-66页 |
| ·实验一： KTH | 第57-60页 |
| ·实验二： Weizmaan | 第60-63页 |
| ·实验三： youtobe | 第63-65页 |
| ·与现有算法的比较 | 第65-66页 |
| ·本章总结 | 第66-68页 |
| 第3章 采用 3D 梯度描述的时空描述子 | 第68-82页 |
| ·介绍 | 第68-70页 |
| ·时空描述符介绍 | 第70-76页 |
| ·梯度计算 | 第71-73页 |
| ·梯度方向的量化 | 第73-75页 |
| ·直方图计算 | 第75-76页 |
| ·描述符的计算 | 第76页 |
| ·实验 | 第76-81页 |
| ·方法设计 | 第76-78页 |
| ·Harris3D 时空特征点的检测行为 | 第78页 |
| ·参数训练学习 | 第78-80页 |
| ·与现有的实验结果进行比较 | 第80-81页 |
| ·本章总结 | 第81-82页 |
| 第4章 特征点轨迹在行为识别中的应用 | 第82-91页 |
| ·概述 | 第82-83页 |
| ·轨迹特征 | 第83-85页 |
| ·轨迹特征的提取 | 第83页 |
| ·轨迹描述符 | 第83-85页 |
| ·实验 | 第85-90页 |
| ·实验设计 | 第85-86页 |
| ·参数训练 | 第86-87页 |
| ·实验结果 | 第87-88页 |
| ·与现有算法的比较 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第5章 总结与展望 | 第91-93页 |
| ·本文工作总结 | 第91-92页 |
| ·本文工作展望 | 第92-93页 |
| 参考文献 | 第93-103页 |
| 致谢 | 第103-104页 |
| 个人简历、攻读学位期间发表的学术论文 | 第104页 |
