| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 文中常用简称索引表 | 第12-13页 |
| 主要符号表 | 第13-14页 |
| 第一章 绪论 | 第14-29页 |
| 1.1 研究背景与意义 | 第14-19页 |
| 1.1.1 智能监控系统 | 第16-17页 |
| 1.1.2 智能交通系统 | 第17-18页 |
| 1.1.3 基于内容的视频检索 | 第18-19页 |
| 1.2 当前视频动作识别面临的困难 | 第19-21页 |
| 1.3 人体动作表示模型 | 第21-26页 |
| 1.3.1 基于对象的动作表示 | 第22-24页 |
| 1.3.2 基于部分的动作表示 | 第24页 |
| 1.3.3 基于像素的动作表示 | 第24-25页 |
| 1.3.4 基于事件的动作表示方法 | 第25-26页 |
| 1.4 主要研究内容 | 第26-28页 |
| 1.5 论文章节安排 | 第28-29页 |
| 第二章 基于局部时空邻域特征的动作识别 | 第29-48页 |
| 2.1 研究背景 | 第29-31页 |
| 2.2 基于正多面体的局部时空邻域特征的动作识别 | 第31-38页 |
| 2.2.1 基于正多面体的局部时空邻域特征 | 第32-34页 |
| 2.2.2 所提动作识别框架 | 第34页 |
| 2.2.3 实验与分析 | 第34-38页 |
| 2.3 基于多尺度时空方向邻域特征的动作识别 | 第38-46页 |
| 2.3.1 基于多尺度的时空方向邻域特征 | 第39-41页 |
| 2.3.2 所提动作识别框架 | 第41-42页 |
| 2.3.3 实验与分析 | 第42-46页 |
| 2.4 本章小结 | 第46-48页 |
| 第三章 基于局部协方差特征的动作识别 | 第48-78页 |
| 3.1 矩阵流形 | 第48-54页 |
| 3.1.1 矩阵流形在人脸识别的应用 | 第51-52页 |
| 3.1.2 矩阵流形在动作识别的应用 | 第52-53页 |
| 3.1.3 矩阵流形在聚类算法的应用 | 第53-54页 |
| 3.2 对称正定矩阵的Log-Euclidean空间 | 第54-56页 |
| 3.3 黎曼流形的Karcher均值 | 第56-57页 |
| 3.4 SPD的距离度量及其均值迭代算法 | 第57-62页 |
| 3.4.1 黎曼距离 | 第58-59页 |
| 3.4.2 对称KL散度 | 第59-60页 |
| 3.4.3 Stein度量 | 第60-61页 |
| 3.4.4 Log-Euclidean度量 | 第61-62页 |
| 3.5 基于时空Log-Euclidean协方差特征的动作识别 | 第62-72页 |
| 3.5.1 相关概念和工作介绍 | 第63-64页 |
| 3.5.2 时空Log-Euclidean协方差矩阵 | 第64-66页 |
| 3.5.3 所提动作识别算法实现 | 第66-67页 |
| 3.5.4 实验结果与分析 | 第67-72页 |
| 3.6 基于黎曼矩阵字典的动作识别 | 第72-77页 |
| 3.6.1 黎曼矩阵字典 | 第72-73页 |
| 3.6.2 基于黎曼矩阵字典的动作识别系统 | 第73-74页 |
| 3.6.3 实验结果与分析 | 第74-77页 |
| 3.7 本章小结 | 第77-78页 |
| 第四章 基于GRASSMANN随机流形森林的动作识别 | 第78-99页 |
| 4.1 流形基本定义 | 第78-81页 |
| 4.2 模式分类的距离度量 | 第81-83页 |
| 4.2.1 点到点、点到子空间、子空间到子空间的距离 | 第82-83页 |
| 4.2.2 点到流形、子空间到流形、流形到流形的距离 | 第83页 |
| 4.3 研究背景 | 第83-84页 |
| 4.4 Grassmann流形及其距离度量 | 第84-88页 |
| 4.4.1 Grassmann距离 | 第85-88页 |
| 4.5 基于Grassmann随机流形森林的动作识别 | 第88-97页 |
| 4.5.1 Grassmann随机流形森林 | 第88-90页 |
| 4.5.2 算法实现 | 第90-91页 |
| 4.5.3 实验结果与分析 | 第91-97页 |
| 4.6 本章小结 | 第97-99页 |
| 第五章 基于加权LLC编码和多尺度空间位置编码的动作识别 | 第99-131页 |
| 5.1 特征编码分类 | 第100-101页 |
| 5.2 特征编码算法 | 第101-108页 |
| 5.2.1 基于投票的编码 | 第101-103页 |
| 5.2.2 Fisher编码 | 第103-105页 |
| 5.2.3 基于重构的编码 | 第105-106页 |
| 5.2.4 局部切空间编码 | 第106-107页 |
| 5.2.5 显著性编码 | 第107-108页 |
| 5.3 特征编码的演化 | 第108-113页 |
| 5.3.1 从投票编码到Fisher编码 | 第108-110页 |
| 5.3.2 从投票编码到重构编码 | 第110-111页 |
| 5.3.3 从重构编码到显著性编码 | 第111-112页 |
| 5.3.4 从重构编码到局部切空间编码 | 第112-113页 |
| 5.4 特征编码结论 | 第113页 |
| 5.5 基于加权LLC编码的动作识别 | 第113-121页 |
| 5.5.1 LLC算法 | 第115-116页 |
| 5.5.2 加权LLC算法(WLLC)实现 | 第116-118页 |
| 5.5.3 实验和分析 | 第118-121页 |
| 5.6 基于多尺度空间位置编码的动作识别 | 第121-130页 |
| 5.6.1 混合特征描述子 | 第122-124页 |
| 5.6.2 多尺度空间位置编码算法 | 第124-125页 |
| 5.6.3 所提动作识别系统 | 第125-126页 |
| 5.6.4 实验与分析 | 第126-129页 |
| 5.6.5 结论 | 第129-130页 |
| 5.7 本章小结 | 第130-131页 |
| 第六章 总结与展望 | 第131-133页 |
| 6.1 全文工作总结 | 第131-132页 |
| 6.2 未来工作展望 | 第132-133页 |
| 致谢 | 第133-134页 |
| 参考文献 | 第134-145页 |
| 攻读博士学位期间取得的成果 | 第145-147页 |
