| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第11-29页 |
| 1.1 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.3 研究目的与研究内容 | 第15-17页 |
| 1.3.1 研究目的 | 第15页 |
| 1.3.2 研究内容 | 第15-17页 |
| 1.4 运动人体行为语义计算关键技术相关研究综述 | 第17-26页 |
| 1.4.1 语义及语义计算的定义 | 第18页 |
| 1.4.2 三维人体运动跟踪技术发展概述 | 第18-20页 |
| 1.4.3 场景语义提取与场景分类技术发展概述 | 第20-22页 |
| 1.4.4 视频中运动人体身份识别技术发展概述 | 第22-25页 |
| 1.4.5 基于语义的运动人体行为识别发展概述 | 第25-26页 |
| 1.5 运动人体行为语义计算关键技术的发展趋势 | 第26-29页 |
| 1.5.1 三维人体运动跟踪发展的趋势 | 第26-27页 |
| 1.5.2 运动人体身份识别的发展趋势 | 第27页 |
| 1.5.3 场景语义识别发展的趋势 | 第27页 |
| 1.5.4 运动人体行为语义计算方法发展的趋势 | 第27-29页 |
| 第二章 基于BEOWULF机群中改进粒子滤波的3D人体运动跟踪 | 第29-51页 |
| 2.1 引言 | 第29-30页 |
| 2.2 方案总体设计 | 第30-31页 |
| 2.3 三维人体骨骼模型的引入 | 第31-32页 |
| 2.4 三维人体模型参数的自动初始化 | 第32-34页 |
| 2.4.1 人体关节点的自动标注方法 | 第32-33页 |
| 2.4.2 人体关节三维坐标及旋转角度计算方法 | 第33-34页 |
| 2.5 人体视频图像特征提取的具体实现 | 第34-36页 |
| 2.5.1 运动人体轮廓提取方法 | 第34-35页 |
| 2.5.2 运动人体区域灰度和颜色提取方法 | 第35-36页 |
| 2.6 基于BEOWULF机群中改进的粒子滤波算法的具体实现 | 第36-41页 |
| 2.6.1 经典串行粒子滤波算法运动人体跟踪的实现方法 | 第36-37页 |
| 2.6.2 跟踪模板与粒子数目的调整及跟踪失效恢复方法 | 第37-38页 |
| 2.6.3 Beowulf机群中单目标跟踪的迁移式粒子滤波并行算法 | 第38-39页 |
| 2.6.4 Beowulf机群中多目标跟踪并行粒子滤波算法实现方法 | 第39-41页 |
| 2.7 节点任务调度与通信策略 | 第41-42页 |
| 2.8 粒子滤波串行与并行算法时间复杂度对比理论分析 | 第42页 |
| 2.9 BEOWULF机群中三维人体运动粒子滤波跟踪及对比实验 | 第42-50页 |
| 2.9.1 实验环境的搭建 | 第42-43页 |
| 2.9.2 单人体运动跟踪实验及实验结果 | 第43-46页 |
| 2.9.3 多人体运动跟踪实验及实验结果 | 第46-48页 |
| 2.9.4 对比实验的前提条件设计 | 第48-49页 |
| 2.9.5 跟踪失效对比实验与分析 | 第49页 |
| 2.9.6 跟踪计算时间对比实验 | 第49-50页 |
| 2.9.7 跟踪时间对比实验结果分析 | 第50页 |
| 2.10 本章结论 | 第50-51页 |
| 第三章 基于四层树状语义模型的场景语义识别方法 | 第51-70页 |
| 3.1 引言 | 第51-52页 |
| 3.2 场景语义识别方法的技术路线 | 第52页 |
| 3.3 基于图论改进的图像分割方法 | 第52-55页 |
| 3.3.1 基于图论阀值图像分割方法的基本原理 | 第53-54页 |
| 3.3.2 阀值图像分割权值操作的自动调整方法 | 第54-55页 |
| 3.4 四层树状语义模型的引入 | 第55-56页 |
| 3.4.1 视觉词包模型的基本概念 | 第55页 |
| 3.4.2 四层树状语义模型的结构 | 第55-56页 |
| 3.5 四层树状语义模型视觉层的构建方法 | 第56-61页 |
| 3.5.1 图像颜色直方图的提取方法 | 第56-58页 |
| 3.5.2 颜色空间的量化与颜色特征提取 | 第58-59页 |
| 3.5.3 颜色层次图的提取方法 | 第59-60页 |
| 3.5.4 颜色及颜色层次特征与轮廓特征融合 | 第60-61页 |
| 3.6 四层树状语义模型概念层的生成 | 第61页 |
| 3.7 四层树状语义模型关系层的构建 | 第61-64页 |
| 3.7.1 场景对象空间位置关系的语义描述方法 | 第61-62页 |
| 3.7.2 场景对象空间位置关系关联规则的数据挖掘 | 第62-64页 |
| 3.8 四层树状语义模型语义层的描述方法 | 第64-65页 |
| 3.8.1 高层潜在语义计算方法 | 第64-65页 |
| 3.8.2 语义层的语法生成规则 | 第65页 |
| 3.9 四层场景语义树分类模型的构建算法 | 第65-66页 |
| 3.10 测试图像与分类模型语义相似性计算方法 | 第66页 |
| 3.10.1 语义特征的获取 | 第66页 |
| 3.10.2 语义相似性计算方法 | 第66页 |
| 3.11 实验与实验分析 | 第66-69页 |
| 3.11.1 功能验证实验与分析 | 第66-68页 |
| 3.11.2 对比实验与分析 | 第68-69页 |
| 3.12 本章结论 | 第69-70页 |
| 第四章 视频中运动人体身份识别的认知物理学方法 | 第70-85页 |
| 4.1 引言 | 第70-71页 |
| 4.2 运动人体身份识别认知物理学方法实现流程 | 第71-72页 |
| 4.3 数据场的引入 | 第72-73页 |
| 4.3.1 数据场势值和场强矢量的引入 | 第72页 |
| 4.3.2 数据场中影响因子的优选方法 | 第72-73页 |
| 4.4 基于数据场的人脸信息表征 | 第73-74页 |
| 4.5 基于数据场的步态信息表征 | 第74-76页 |
| 4.5.1 运动人体步态轮廓特征提取 | 第74-75页 |
| 4.5.2 运动人体下肢关节步态特征提取 | 第75页 |
| 4.5.3 运动人体步态特征的数据场描述 | 第75-76页 |
| 4.6 步态数据库样本中人脸区域的提取方法 | 第76页 |
| 4.7 运动人体身份识别的具体实现 | 第76-81页 |
| 4.7.1 基于力学和动力学原理的数据非线性降维 | 第76-78页 |
| 4.7.2 基于数据场样本库人的身份自动识别算法 | 第78-79页 |
| 4.7.3 基于数据场样本库人的身份自动识别算法的时间复杂度分析 | 第79页 |
| 4.7.4 D-S证据论的引入与改进 | 第79-81页 |
| 4.8 实验及对比分析 | 第81-84页 |
| 4.8.1 功能验证实验 | 第81-83页 |
| 4.8.2 对比实验与分析 | 第83-84页 |
| 4.9 本章结论 | 第84-85页 |
| 第五章 视频场景中运动人体时空关系的自然语言描述方法 | 第85-92页 |
| 5.1 引言 | 第85页 |
| 5.2 十三元组运动人体时空描述模型的引入 | 第85-86页 |
| 5.3 关键帧的提取方法 | 第86-87页 |
| 5.4 参照物与运动人体距离关系自然语言描述 | 第87页 |
| 5.5 场景中运动人体时空关系的自然语言描述语法规则 | 第87页 |
| 5.6 实验及实验分析 | 第87-91页 |
| 5.6.1 实验流程设计 | 第87-88页 |
| 5.6.2 人工图形序列实验 | 第88-89页 |
| 5.6.3 视频序列实验 | 第89-91页 |
| 5.7 本章结论 | 第91-92页 |
| 第六章 基于层次化概念空间的运动人体行为语义计算方法 | 第92-122页 |
| 6.1 引言 | 第92-94页 |
| 6.2 运动人体行为语义计算的处理框架的引入 | 第94-95页 |
| 6.3 基于混合云模型的概念空间建立方法 | 第95-98页 |
| 6.3.1 概念空间理论概述 | 第95页 |
| 6.3.2 基于混合云模型概念空间的定义 | 第95-97页 |
| 6.3.3 混合云模型概念空间的建立流程 | 第97-98页 |
| 6.4 原子运动概念空间层的建立方法 | 第98-105页 |
| 6.4.1 人体运动样本的选择 | 第98-99页 |
| 6.4.2 运动概念空间建立性质维的选择 | 第99页 |
| 6.4.3 身体姿态原子运动概念空间的建立及概念激活方法 | 第99-102页 |
| 6.4.4 肢体的原子运动概念空间的建立及概念激活方法 | 第102-105页 |
| 6.5 简单行为概念层的建立方法 | 第105-108页 |
| 6.5.1 时间逻辑关系的引入 | 第105-106页 |
| 6.5.2 空间逻辑关系的引入 | 第106页 |
| 6.5.3 简单行为的建模方法 | 第106-108页 |
| 6.6 简单人体运动行为语义计算方法 | 第108-110页 |
| 6.6.1 简单人体运动行为知识库的建立方法 | 第108-109页 |
| 6.6.2 简单行为语义计算流程 | 第109-110页 |
| 6.7 事件行为概念层的建立与语义计算方法 | 第110-112页 |
| 6.7.1 事件行为概念空间的建模 | 第110-111页 |
| 6.7.2 事件行为概念场景语义的具体描述 | 第111-112页 |
| 6.7.3 事件行为概念人物元组的具体描述 | 第112页 |
| 6.7.4 事件行为因果关系推理方法 | 第112页 |
| 6.8 运动人体行为语义解释的自然语言规则 | 第112-113页 |
| 6.9 实验及实验分析 | 第113-120页 |
| 6.9.1 功能性验证实验流程和实验环境搭建 | 第113-114页 |
| 6.9.2 简单人体运动行为知识库建立实验 | 第114-115页 |
| 6.9.3 简单人体运动行为语义计算实验 | 第115-116页 |
| 6.9.4 事件人体运动行为语义计算实验 | 第116-118页 |
| 6.9.5 对比实验的实验平台搭建 | 第118-119页 |
| 6.9.6 对比实验结果与讨论 | 第119-120页 |
| 6.10 本章小结 | 第120-122页 |
| 第七章 总结与展望 | 第122-124页 |
| 7.1 研究总结 | 第122-123页 |
| 7.2 研究展望 | 第123-124页 |
| 致谢 | 第124-125页 |
| 参考文献 | 第125-137页 |
| 附录A 博士研究生期间发表学术论文情况 | 第137-138页 |
| 附录B 博士研究生期间主持和参与的科研项目 | 第138-139页 |
| 附录C 博士研究生期间申请的国家发明专利 | 第139页 |
