基于稀疏编码和长度后验概率的视频动作检测
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 基于传统方法的动作检测研究现状 | 第11-12页 |
| 1.2.2 基于深度学习的动作检测研究现状 | 第12-13页 |
| 1.3 主要问题 | 第13-14页 |
| 1.4 主要研究内容 | 第14-15页 |
| 1.5 论文组织结构 | 第15-16页 |
| 2 现有的动作检测方法 | 第16-22页 |
| 2.1 概述 | 第16页 |
| 2.2 基于传统方法的动作检测 | 第16-19页 |
| 2.2.1 人体动作表示 | 第16-18页 |
| 2.2.2 动作片段提议生成 | 第18-19页 |
| 2.2.3 动作检测 | 第19页 |
| 2.3 基于深度学习的动作检测 | 第19-21页 |
| 2.3.1 动作片段提议生成 | 第20页 |
| 2.3.2 动作检测 | 第20-21页 |
| 2.4 总结 | 第21-22页 |
| 3 基于上下文相关稀疏编码的动作片段提议生成 | 第22-41页 |
| 3.1 概述 | 第22-23页 |
| 3.2 生成候选片段 | 第23-24页 |
| 3.2.1 C3D特征提取 | 第23页 |
| 3.2.2 使用滑动时间窗口生成候选片段 | 第23-24页 |
| 3.2.3 滑动时间窗口长度调整 | 第24页 |
| 3.3 基于传统稀疏编码选取动作片段提议 | 第24-27页 |
| 3.3.1 动作片段提议 | 第24-25页 |
| 3.3.2 使用一个字典的稀疏编码 | 第25-26页 |
| 3.3.3 使用多个字典的稀疏编码 | 第26-27页 |
| 3.4 基于上下文相关稀疏编码选取动作片段提议 | 第27-30页 |
| 3.4.1 使用一个字典的上下文相关稀疏编码 | 第27-29页 |
| 3.4.2 使用多个字典的上下文相关稀疏编码 | 第29-30页 |
| 3.5 实验分析 | 第30-39页 |
| 3.5.1 实验数据集 | 第30-31页 |
| 3.5.2 实验设置 | 第31-33页 |
| 3.5.3 实验结果与分析 | 第33-39页 |
| 3.6 总结 | 第39-41页 |
| 4 基于长度后验概率的动作检测 | 第41-54页 |
| 4.1 概述 | 第41页 |
| 4.2 动作片段提议分类 | 第41-45页 |
| 4.2.1 特征提取 | 第42-43页 |
| 4.2.2 动作与非动作二分类 | 第43-44页 |
| 4.2.3 多分类 | 第44-45页 |
| 4.3 基于长度后验概率的动作检测 | 第45-48页 |
| 4.3.1 长度后验概率 | 第45-47页 |
| 4.3.2 冗余检测去除 | 第47-48页 |
| 4.4 实验分析 | 第48-52页 |
| 4.4.1 实验设置 | 第48-49页 |
| 4.4.2 实验结果与分析 | 第49-52页 |
| 4.5 总结 | 第52-54页 |
| 5 动作检测系统设计与实现 | 第54-61页 |
| 5.1 概述 | 第54页 |
| 5.2 需求分析与系统设计 | 第54-55页 |
| 5.2.1 需求分析 | 第54页 |
| 5.2.2 系统设计 | 第54-55页 |
| 5.3 系统实现与主要功能 | 第55-56页 |
| 5.3.1 系统实现 | 第55页 |
| 5.3.2 系统主要功能 | 第55-56页 |
| 5.4 系统介绍与使用流程 | 第56-60页 |
| 5.4.1 系统界面介绍 | 第56-57页 |
| 5.4.2 系统使用流程与界面展示 | 第57-59页 |
| 5.4.3 系统输出文件 | 第59-60页 |
| 5.5 总结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 附录 | 第69页 |
