| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·国外主要研究状况 | 第11-12页 |
| ·国内研究状况 | 第12页 |
| ·本文的研究内容及组织结构 | 第12-14页 |
| ·本文的研究内容 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第2章 人体行为识别的主要技术 | 第14-25页 |
| ·行为识别的预处理技术 | 第14-17页 |
| ·前景目标检测 | 第14-15页 |
| ·目标分类 | 第15-16页 |
| ·目标跟踪 | 第16-17页 |
| ·人体行为识别技术概述 | 第17-24页 |
| ·行为识别的分类 | 第17-19页 |
| ·主要行为识别技术介绍 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于时空特征点的行为特征表示 | 第25-38页 |
| ·时空特征点的特性 | 第25-26页 |
| ·基于 Harris 角点检测的时空特征点提取 | 第26-29页 |
| ·Harris 角点检测方法 | 第26-27页 |
| ·基于 Harris 角点的时空特征点提取算法 | 第27-29页 |
| ·基于最小亮度变化和一维 Gabor 滤波器的特征点检测方法 | 第29-33页 |
| ·最小亮度变化（MIC）角点检测方法 | 第29-31页 |
| ·基于最小亮度变化和一维 Gabor 滤波的时空特征点的提取 | 第31-32页 |
| ·时间尺度的自适应取值 | 第32-33页 |
| ·时空特征点的分类 | 第33-35页 |
| ·时空特征点的描述和归一化 | 第33-34页 |
| ·行为的特征表示 | 第34-35页 |
| ·实验效果及分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 交互行为的识别 | 第38-52页 |
| ·多目标时空兴趣点的划分 | 第38-40页 |
| ·单人行为的识别 | 第40-45页 |
| ·玻尔兹曼机 | 第40-42页 |
| ·受限的玻尔兹曼机 | 第42-45页 |
| ·单人行为的识别 | 第45页 |
| ·交互行为的识别 | 第45-48页 |
| ·马尔可夫网络 | 第45-46页 |
| ·马尔可夫逻辑网 | 第46-48页 |
| ·实验结果及分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 总结和展望 | 第52-54页 |
| ·工作总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 作者简介及在学期间所取得的科研成果 | 第58-59页 |
| 致谢 | 第59页 |