| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第14-31页 |
| 1.1 课题背景及研究意义 | 第14-15页 |
| 1.2 研究历史与现状 | 第15-28页 |
| 1.2.1 视频特征描述方法 | 第15-25页 |
| 1.2.1.1 基于无标签特征描述 | 第16-22页 |
| 1.2.1.2 基于有标签特征描述 | 第22-24页 |
| 1.2.1.3 基于弱标签特征描述 | 第24-25页 |
| 1.2.2 行为识别研究机构及常用数据集 | 第25-28页 |
| 1.2.2.1 行为识别研究机构 | 第25-26页 |
| 1.2.2.2 行为识别常用数据集 | 第26-28页 |
| 1.3 本文的主要贡献与创新 | 第28-29页 |
| 1.4 本论文结构内容安排 | 第29-31页 |
| 第二章 基于空时显著结构提取的行为识别方法研究 | 第31-48页 |
| 2.1 引言 | 第31-33页 |
| 2.2 基于视频分割的视觉词袋模型 | 第33-34页 |
| 2.3 视频分割区域联合显著测度 | 第34-35页 |
| 2.4 基于类判别性显著测度 | 第35-38页 |
| 2.5 实验结果分析与讨论 | 第38-47页 |
| 2.5.1 实验设置 | 第38-40页 |
| 2.5.2 在不同数据集上的实验结果 | 第40-42页 |
| 2.5.3 对不同空时区域划分的评估 | 第42-43页 |
| 2.5.4 对不同池化方式的评估 | 第43-45页 |
| 2.5.5 对不同显著谱的评估 | 第45-47页 |
| 2.6 本章小结 | 第47-48页 |
| 第三章 基于人眼注视辅助空时多路深度网络行为识别方法研究 | 第48-69页 |
| 3.1 引言 | 第48-50页 |
| 3.2 相关工作 | 第50-51页 |
| 3.3 基于人眼注视辅助的空时多路深度网络模型 | 第51页 |
| 3.4 人眼注视数据集构建 | 第51-54页 |
| 3.4.1 人眼运动数据采集设备介绍 | 第51-52页 |
| 3.4.2 基准数据集介绍 | 第52-53页 |
| 3.4.3 人眼注视数据具体采集流程 | 第53-54页 |
| 3.5 联合动态注视谱的多路深度学习网络 | 第54-59页 |
| 3.5.1 动态注视谱 | 第54-57页 |
| 3.5.2 动态注视谱融合模式 | 第57-58页 |
| 3.5.3 五路深度网络架构 | 第58-59页 |
| 3.5.3.1 数据增广 | 第58-59页 |
| 3.5.3.2 网络参数设置 | 第59页 |
| 3.6 基于全卷积深度网络的人眼注视预测模型 | 第59-61页 |
| 3.6.1 网络模型介绍 | 第59-61页 |
| 3.6.2 网络参数设置 | 第61页 |
| 3.7 实验结果分析与讨论 | 第61-68页 |
| 3.7.1 实验设置 | 第61-63页 |
| 3.7.2 与现有方法的对比 | 第63-64页 |
| 3.7.3 不同动态注视模式的实验结果 | 第64-65页 |
| 3.7.4 不同多路深度网络实验结果 | 第65-67页 |
| 3.7.5 基于人眼注视预测辅助的跨域行为识别 | 第67-68页 |
| 3.8 本章小结 | 第68-69页 |
| 第四章 基于多时域尺度跳帧空时双路深度网络行为识别方法研究 | 第69-86页 |
| 4.1 引言 | 第69-70页 |
| 4.2 本章工作框架 | 第70页 |
| 4.3 基于鲁棒轨迹强度的视频动态结构检测 | 第70-73页 |
| 4.3.1 距离归一化及空域尺寸归一化 | 第71-72页 |
| 4.3.2 转场惩罚项 | 第72-73页 |
| 4.4 基于跳帧的深度网络模型 | 第73-79页 |
| 4.4.1 基于跳帧层叠光流表示的理论基础 | 第73-78页 |
| 4.4.2 基于跳帧的光流表示 | 第78-79页 |
| 4.4.3 网络设置细节 | 第79页 |
| 4.5 实验结果分析与讨论 | 第79-85页 |
| 4.5.1 实验设置 | 第79-80页 |
| 4.5.2 在不同数据库上的实验结果 | 第80-81页 |
| 4.5.3 对不同帧选择模式的评估 | 第81-82页 |
| 4.5.4 不同跳帧模式的实验结果 | 第82-85页 |
| 4.6 本章小结 | 第85-86页 |
| 第五章 基于空时关联性的自监督行为识别与预测方法研究 | 第86-98页 |
| 5.1 引言 | 第86-87页 |
| 5.2 基于自监督学习的视频描述 | 第87-89页 |
| 5.3 视频帧编码 | 第89-90页 |
| 5.3.1 差分求和编码 | 第89页 |
| 5.3.2 动态图编码 | 第89-90页 |
| 5.3.3 动态光流编码 | 第90页 |
| 5.4 基于视频相关性Siamese网络模型 | 第90-92页 |
| 5.5 基于运动信息的时域分割 | 第92页 |
| 5.6 实验结果分析与讨论 | 第92-96页 |
| 5.6.1 实验设置 | 第92-93页 |
| 5.6.2 实验基准对比 | 第93页 |
| 5.6.3 与现有方法的对比 | 第93-96页 |
| 5.7 本章小结 | 第96-98页 |
| 第六章 全文总结与展望 | 第98-100页 |
| 6.1 总结及创新 | 第98-99页 |
| 6.2 后续工作展望 | 第99-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-114页 |
| 攻博期间取得的研究成果 | 第114-115页 |
