| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 论文主要研究内容及章节安排 | 第18-20页 |
| 第二章 小波域行为识别主要技术 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 人体行为识别常用视频数据集 | 第20-23页 |
| 2.2.1 简单背景视频数据集 | 第20-21页 |
| 2.2.2 复杂背景视频数据集 | 第21-23页 |
| 2.3 小波变换的相关理论 | 第23-28页 |
| 2.3.1 小波和小波变换 | 第23-24页 |
| 2.3.2 小波基及小波变换的离散化 | 第24-25页 |
| 2.3.3 多分辨率分析与Mallat算法 | 第25-27页 |
| 2.3.4 二维及三维小波变换 | 第27-28页 |
| 2.4 基于小波的行为识别 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 一种基于三维小波变换的轨迹提取方法 | 第32-46页 |
| 3.1 引言 | 第32页 |
| 3.2 经典的轨迹提取算法 | 第32-34页 |
| 3.3 基于平稳小波变换的运动信息提取 | 第34-39页 |
| 3.3.1 平稳小波变换基本理论 | 第34-36页 |
| 3.3.2 基于空时可分离的 3D SWT的运动信息提取 | 第36-39页 |
| 3.4 时空兴趣点提取 | 第39-43页 |
| 3.4.1 基于熵的频率子带加权算法 | 第39-42页 |
| 3.4.2 基于能量阈值的兴趣点提取 | 第42-43页 |
| 3.5 轨迹的追踪和提取 | 第43-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 一种基于小波域轨迹特征的行为识别算法 | 第46-56页 |
| 4.1 引言 | 第46页 |
| 4.2 行为识别框架 | 第46-47页 |
| 4.3 方向能量直方图特征构建 | 第47-48页 |
| 4.4 联合统计特征构建 | 第48-51页 |
| 4.4.1 小波系数子带间互信息特征 | 第48-49页 |
| 4.4.2 小波共现直方图特征 | 第49-51页 |
| 4.5 基于小波变换的背景减除方法 | 第51-53页 |
| 4.6 实验与分析 | 第53-55页 |
| 4.6.1 实验设置 | 第53页 |
| 4.6.2 简单背景数据集实验结果 | 第53-54页 |
| 4.6.3 不同小波基对比实验 | 第54页 |
| 4.6.4 复杂背景数据集实验结果 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 全文总结 | 第56页 |
| 5.2 未来展望 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |