基于时空兴趣点云的人体行为识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-13页 |
| 1.2 人体行为识别技术概述 | 第13-16页 |
| 1.3 国内外研究现状与分析 | 第16页 |
| 1.4 存在问题及发展趋势 | 第16-17页 |
| 1.5 论文主要研究工作及结构 | 第17-19页 |
| 第2章 视频的前期预处理 | 第19-31页 |
| 2.1 运动目标提取 | 第19-24页 |
| 2.2 时空兴趣点检测方法 | 第24-28页 |
| 2.3 本章小结 | 第28-31页 |
| 第3章 基于词包模型(BOW)的行为表示 | 第31-39页 |
| 3.1 局部特征描述子 | 第31-34页 |
| 3.2 基于词包模型的行为建模 | 第34-38页 |
| 3.2.1 词包模型(BOW) | 第34-36页 |
| 3.2.2 K-均值聚类算法的基本思想 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第4章 基于时空兴趣点云的行为表示 | 第39-49页 |
| 4.1 改进的兴趣点检测方法 | 第40-43页 |
| 4.2 用兴趣点云进行行为表示 | 第43-46页 |
| 4.3 兴趣点云特征选择 | 第46-47页 |
| 4.4 本章小结 | 第47-49页 |
| 第5章 基于支持向量机的人体行为分类 | 第49-55页 |
| 5.1 支持向量机(SVM) | 第49-51页 |
| 5.2 多尺度的兴趣点云的特征融合 | 第51-53页 |
| 5.3 表层分布特征融合 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 实验与分析 | 第55-67页 |
| 6.1 数据集 | 第55-56页 |
| 6.2 参数设置 | 第56-57页 |
| 6.3 识别性能评估 | 第57-64页 |
| 6.4 实验对比 | 第64-67页 |
| 第7章 总结与展望 | 第67-71页 |
| 7.1 全文总结 | 第67-68页 |
| 7.2 展望 | 第68-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
