融合多视觉对象的行为识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 论文结构 | 第12-14页 |
| 第2章 研究现状 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 行为识别技术 | 第14-19页 |
| 2.2.1 行为的分类定义 | 第14-15页 |
| 2.2.2 行为识别的方法 | 第15-19页 |
| 2.3 融合多视觉对象的上下文建模方法 | 第19-20页 |
| 2.4 视觉对象的特征表示 | 第20-24页 |
| 2.4.1 底层视觉特征表示方法 | 第20-23页 |
| 2.4.2 中层语义特征表示方法 | 第23-24页 |
| 第3章 运动、物体和场景关系的联合建模 | 第24-36页 |
| 3.1 引言 | 第24页 |
| 3.2 含有隐变量的结构化支持向量机 | 第24-26页 |
| 3.2.1 结构化支持向量机 | 第24-25页 |
| 3.2.2 加入隐变量的结构化支持向量机 | 第25-26页 |
| 3.3 模型构建 | 第26-28页 |
| 3.3.1 运动模型 | 第26-27页 |
| 3.3.2 物体模型 | 第27页 |
| 3.3.3 场景模型 | 第27-28页 |
| 3.3.4 运动-物体关系模型 | 第28页 |
| 3.3.5 运动-场景关系模型 | 第28页 |
| 3.4 模型训练 | 第28-29页 |
| 3.5 模型预测 | 第29-30页 |
| 3.6 实验 | 第30-34页 |
| 3.6.1 数据库 | 第30页 |
| 3.6.2 实验结果及分析 | 第30-34页 |
| 3.7 本章小结 | 第34-36页 |
| 第4章 运动、物体和场景的特征表示 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 类相关特征表示 | 第36-39页 |
| 4.2.1 运动的类相关特征表示 | 第37-38页 |
| 4.2.2 物体的类相关特征表示 | 第38页 |
| 4.2.3 场景的类相关特征表示 | 第38-39页 |
| 4.3 利用知识迁移的预分类器学习 | 第39-45页 |
| 4.3.1 基于支持向量机的预分类器 | 第39-42页 |
| 4.3.2 相关迁移学习方法 | 第42-43页 |
| 4.3.3 自定义步长区域适应算法 | 第43-45页 |
| 4.4 实验 | 第45-49页 |
| 4.4.1 数据库 | 第45-46页 |
| 4.4.2 实验结果 | 第46-49页 |
| 4.5 本章小结 | 第49-50页 |
| 结论与展望 | 第50-52页 |
| 工作总结 | 第50-51页 |
| 未来展望 | 第51-52页 |
| 参考文献 | 第52-60页 |
| 攻读学位期间发表论文与研究成果清单 | 第60-62页 |
| 致谢 | 第62页 |
