摘要 | 第10-11页 |
ABSTRACT | 第11-12页 |
第一章 绪论 | 第13-19页 |
1.1 论文的研究背景与意义 | 第13-14页 |
1.2 国内外研究现状及难点 | 第14-17页 |
1.2.1 运动人体检测 | 第14-15页 |
1.2.2 行为的特征提取 | 第15-16页 |
1.2.3 行为识别与分类 | 第16页 |
1.2.4 人体行为识别中的难点 | 第16-17页 |
1.3 本文的主要研究内容 | 第17-18页 |
1.4 本文组织结构 | 第18-19页 |
第二章 改进的光流运动目标检测算法 | 第19-31页 |
2.1 光流场计算的基本原理 | 第19-21页 |
2.1.1 光流约束方程 | 第19-20页 |
2.1.2 孔径问题 | 第20-21页 |
2.2 Hom-Schunk光流法 | 第21-23页 |
2.2.1 Horn-Schunk算法原理 | 第21-22页 |
2.2.2 Horn-Schunk算法实现 | 第22页 |
2.2.3 Horn-Schunk算法实验结果 | 第22-23页 |
2.3 Lucas-Kanade光流法 | 第23-25页 |
2.3.1 Lucas-Kanade算法原理 | 第23-24页 |
2.3.2 Lucas-Kanade算法实现 | 第24页 |
2.3.3 Lucas-Kanade算法实验结果 | 第24-25页 |
2.4 基于帧差法和优化梯度改进的光流算法 | 第25-30页 |
2.4.1 改进光流算法原理 | 第25-26页 |
2.4.2 改进的光流算法实现 | 第26-28页 |
2.4.3 多种光流算法实验结果与分析 | 第28-30页 |
2.5 本章小结 | 第30-31页 |
第三章 基于iDT的运动人体行为特征描述 | 第31-43页 |
3.1 DT算法基本框架 | 第31-34页 |
3.1.1 密集采样 | 第31-32页 |
3.1.2 运动轨迹跟踪 | 第32-33页 |
3.1.3 特征提取 | 第33-34页 |
3.2 运动人体行为特征 | 第34-36页 |
3.2.1 轨迹特征 | 第34页 |
3.2.2 HOG特征 | 第34页 |
3.2.3 HOF特征 | 第34-35页 |
3.2.4 MBH特征 | 第35-36页 |
3.3 iDT算法 | 第36-39页 |
3.3.1 PCA特征降维 | 第36-37页 |
3.3.2 特征归一化方法 | 第37页 |
3.3.3 相机运动消除 | 第37-39页 |
3.4 实验结果与分析 | 第39-41页 |
3.5 本章小结 | 第41-43页 |
第四章 基于Kmeans++和VLAD人体行为识别 | 第43-55页 |
4.1 特征聚类方法 | 第43-46页 |
4.1.1 K-means聚类 | 第43-44页 |
4.1.2 GMM聚类 | 第44-45页 |
4.1.3 K-means++聚类 | 第45-46页 |
4.2 特征编码算法 | 第46-52页 |
4.2.1 词袋模型 | 第47-48页 |
4.2.2 Fisher向量 | 第48-50页 |
4.2.3 VLAD | 第50-52页 |
4.3 实验结果与分析 | 第52-54页 |
4.3.1 特征降维与聚类 | 第53页 |
4.3.2 VLAD特征编码 | 第53页 |
4.3.3 分类结果与分析 | 第53-54页 |
4.4 本章小结 | 第54-55页 |
第五章 基于多特征加权融合的人体行为识别 | 第55-63页 |
5.1 多特征融合方法 | 第55-56页 |
5.1.1 特征级融合 | 第55-56页 |
5.1.2 决策级融合 | 第56页 |
5.2 多特征权重计算 | 第56-59页 |
5.2.1 UCF50实验 | 第57-58页 |
5.2.2 HMDB51实验 | 第58-59页 |
5.2.3 归一化分配权重 | 第59页 |
5.3 实验结果与分析 | 第59-61页 |
5.4 本章小结 | 第61-63页 |
第六章 总结与展望 | 第63-67页 |
6.1 工作总结 | 第63-64页 |
6.2 工作展望 | 第64-67页 |
参考文献 | 第67-73页 |
致谢 | 第73-75页 |
攻读学位期间发表的学术论文 | 第75-76页 |
学位论文评阅及答辩情况表 | 第76页 |