基于局部时空特征的视频人体动作识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究的目的及意义 | 第9-10页 |
| ·课题研究的现状 | 第10-14页 |
| ·人体动作识别研究的现状 | 第10-13页 |
| ·相关研究中存在的问题 | 第13-14页 |
| ·论文的研究内容 | 第14页 |
| ·本文的主要组织框架 | 第14-16页 |
| 第2章 视频人体动作识别系统 | 第16-23页 |
| ·文本分类和检索 | 第16-17页 |
| ·图像和物体检索 | 第17-18页 |
| ·人体动作识别 | 第18-19页 |
| ·动作识别的基本算法 | 第19-22页 |
| ·K-means 算法 | 第19-20页 |
| ·SVM 算法 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 时空兴趣点检测与描述 | 第23-32页 |
| ·3D corner 检测器 | 第23-25页 |
| ·Harris-Laplace （2D） | 第23-24页 |
| ·3D Harris | 第24-25页 |
| ·周期特征检测器 | 第25-26页 |
| ·新时空检测器 | 第26-28页 |
| ·帧差分 | 第26页 |
| ·可控滤波器 | 第26-27页 |
| ·时间 Gabor 滤波器 | 第27-28页 |
| ·3D 时空兴趣点描述 | 第28-30页 |
| ·梯度方向直方图 | 第29页 |
| ·光流 | 第29-30页 |
| ·联合 HOG 和 HOF 描述子 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第4章 基于稀疏编码结构映射的人体动作识别 | 第32-43页 |
| ·从矢量量化（VQ）到稀疏编码（SC） | 第32-33页 |
| ·基于 TOP 的空间金字塔匹配 | 第33-35页 |
| ·空间金字塔匹配 | 第34页 |
| ·基于 TOP 的空间金字塔匹配 | 第34-35页 |
| ·max pooling | 第35-36页 |
| ·实验数据库 | 第36-39页 |
| ·KTH 数据库 | 第37页 |
| ·HMDB 数据库 | 第37-39页 |
| ·实验设计与结果分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 基于 I2C 距离的人体动作识别 | 第43-53页 |
| ·关于距离 | 第43-44页 |
| ·基于 I2C 距离分类 | 第44-48页 |
| ·实验设计与结果分析 | 第48-52页 |
| ·KTH 数据库结果分析 | 第48-50页 |
| ·HMDB 数据库结果分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
