| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 缩略语说明 | 第14-15页 |
| 第一章 绪论 | 第15-20页 |
| 1.1 人体行为识别的研究背景 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 本论文的研究内容和意义 | 第17-18页 |
| 1.4 论文章节安排 | 第18-20页 |
| 第二章 人体行为识别算法研究 | 第20-34页 |
| 2.1 运动分割算法 | 第20-24页 |
| 2.1.1 光流法 | 第20-21页 |
| 2.1.2 MHI | 第21-24页 |
| 2.2 特征提取算法 | 第24-30页 |
| 2.2.1 LBP特征提取算法 | 第24-25页 |
| 2.2.2 Gabor特征提取算法 | 第25-28页 |
| 2.2.3 HOG特征提取算法 | 第28-30页 |
| 2.3 Adaboost分类算法 | 第30-31页 |
| 2.4 特征降维算法 | 第31-33页 |
| 2.4.1 LDA降维算法 | 第32页 |
| 2.4.2 PCA降维算法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于改进MHI的HOG特征的行为识别算法 | 第34-47页 |
| 3.1 人体行为识别流程 | 第34-35页 |
| 3.1.1 人体行为识别数据库 | 第34-35页 |
| 3.1.2 人体行为识别流程图 | 第35页 |
| 3.2 基于改进MHI的运动分割方法 | 第35-40页 |
| 3.2.1 公式计算及参数估计 | 第35-37页 |
| 3.2.2 关键帧提取 | 第37-40页 |
| 3.3 MHI的HOG特征提取 | 第40-44页 |
| 3.3.1 计算MHI的梯度 | 第40-41页 |
| 3.3.2 统计梯度幅值与方向 | 第41-43页 |
| 3.3.3 生成HOG特征向量 | 第43-44页 |
| 3.4 实验结果及数据分析 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于改进MHI的EB-LBP特征的行为识别算法 | 第47-59页 |
| 4.1 人体行为识别流程 | 第47-48页 |
| 4.2 MHI的LBP等价模式 | 第48-55页 |
| 4.2.1 计算LBP等价模式 | 第48-51页 |
| 4.2.2 LBP-PCA特征 | 第51-52页 |
| 4.2.3 一种新的特征EB-LBP | 第52-55页 |
| 4.3 实验结果及数据分析 | 第55-58页 |
| 4.3.1 改进的MHI的有效性分析 | 第55-56页 |
| 4.3.2 EB-LBP特征的有效性分析 | 第56-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 基于多特征识别的决策级融合算法 | 第59-75页 |
| 5.1 基于改进MHI的EB-Gabor特征的行为识别算法 | 第59-68页 |
| 5.1.1 计算Gabor特征 | 第59-62页 |
| 5.1.2 Gabor-PCA特征 | 第62-63页 |
| 5.1.3 一种新的特征EB-Gabor | 第63-65页 |
| 5.1.4 实验结果及数据分析 | 第65-68页 |
| 5.2 基于可信度分配的决策级融合算法 | 第68-74页 |
| 5.2.1 数据融合算法 | 第68-69页 |
| 5.2.2 决策级融合算法流程 | 第69-70页 |
| 5.2.3 实验结果及数据分析 | 第70-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 总结和展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-84页 |
| 致谢 | 第84-85页 |
| 攻读学位期间的学术成果 | 第85-87页 |
| 学位论文评阅及答辩情况表 | 第87页 |