| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| Chapter 1 Introduction | 第9-15页 |
| ·Background and applications | 第9-10页 |
| ·Methods of recognizing human actions | 第10-12页 |
| ·Thesis goals and contributions | 第12页 |
| ·Outline of the thesis | 第12-15页 |
| Chapter 2 Related work | 第15-23页 |
| ·Spatio-temporal features | 第15-17页 |
| ·Local spatio-temporal features | 第15-17页 |
| ·Behavior representation | 第17-19页 |
| ·Bag of feature model | 第17-18页 |
| ·Sparse coding | 第18-19页 |
| ·Classification methods | 第19-22页 |
| ·Nearest neighbor | 第20页 |
| ·Support vector machine | 第20-21页 |
| ·Sparse representation based classification | 第21-22页 |
| ·Summary | 第22-23页 |
| Chapter 3 Graph regularized locality-constrained coding for human action recognition | 第23-37页 |
| ·Feature representation via Cuboid | 第23-24页 |
| ·The role ofl 2-normin human action recognition Feature | 第24-26页 |
| ·Locality-constrained linear coding | 第24-26页 |
| ·Collaborative representation based classification | 第26页 |
| ·Graph regularized locality-constrained coding | 第26-29页 |
| ·K nearest neighbor based graph | 第27页 |
| ·Graph regularized locality-constrained coding | 第27-29页 |
| ·Experimental results | 第29-36页 |
| ·Datasets | 第30-31页 |
| ·Experimental setup | 第31-32页 |
| ·Performance on Weizmann dataset | 第32-33页 |
| ·Performance on KTH dataset | 第33-34页 |
| ·Comparison to previously published results | 第34-35页 |
| ·Parameter analysis | 第35-36页 |
| ·Conclusion | 第36-37页 |
| Chapter 4 Manifold-constrained coding and sparse representation for action recognition | 第37-55页 |
| ·Introduction | 第37-38页 |
| ·Local manifold-constrained coding | 第38-41页 |
| ·Recognition based on manifold-constrained sparse representation | 第41-43页 |
| ·Experimental results | 第43-53页 |
| ·Experimental setup | 第43-44页 |
| ·Performance comparison among BoF, LLC and LMC representation | 第44-45页 |
| ·Performance on Weizmann dataset | 第45-47页 |
| ·Performance on KTH dataset | 第47-48页 |
| ·Performance on the UCF dataset | 第48-49页 |
| ·Performance on Facial Expression dataset | 第49-51页 |
| ·Effect of the number of Cuboid prototypes | 第51-52页 |
| ·Sensitivity analysis of parameters in MSRR | 第52页 |
| ·Robustness evaluation | 第52-53页 |
| ·Conclusion | 第53-55页 |
| Chapter 5 Action recognition via low-rank representation | 第55-65页 |
| ·Introduction | 第55-56页 |
| ·Low-rank representation | 第56-57页 |
| ·Problem statement | 第56-57页 |
| ·Solution of low-rank representation | 第57页 |
| ·Low-rank representation for encoding the features | 第57-59页 |
| ·Objective function | 第57-58页 |
| ·Solution of objective function | 第58-59页 |
| ·Experimental results | 第59-63页 |
| ·Experimental setup | 第59页 |
| ·Performance on Weizmann and KTH dataset | 第59-61页 |
| ·Parameter analysis | 第61页 |
| ·Robustness evaluation | 第61-63页 |
| ·Conclusion | 第63-65页 |
| Chapter 6 Conclusion and feature work | 第65-67页 |
| ·Conclusion | 第65-66页 |
| ·Future work | 第66-67页 |
| Acknowledgements | 第67-69页 |
| References | 第69-75页 |
| Academic achievements | 第75-76页 |
