| 中文摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 行为特征描述现状 | 第12-15页 |
| 1.2.2 行为分类的研究现状 | 第15-19页 |
| 1.3 目前存在的主要问题 | 第19-20页 |
| 1.4 本文主要工作及创新点 | 第20-22页 |
| 1.5 本文组织结构 | 第22-23页 |
| 第二章 基于显著图的视觉单词生成方法 | 第23-35页 |
| 2.1 基于图论的显著性模型 | 第23-25页 |
| 2.2 基于动态阈值的时空兴趣点检测 | 第25-27页 |
| 2.3 视觉单词生成 | 第27-32页 |
| 2.3.1 3D-SIFT 特征 | 第27-29页 |
| 2.3.2 HOOF 特征 | 第29-31页 |
| 2.3.3 特征融合 | 第31页 |
| 2.3.4 谱聚类 | 第31-32页 |
| 2.4 实验结果分析 | 第32-34页 |
| 2.4.1 使用阈值矩阵和统一阈值检测兴趣点的比较 | 第32-33页 |
| 2.4.2 使用不同特征构建视觉单词的比较 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于主题模型的单目标人物行为识别方法 | 第35-47页 |
| 3.1 单目标人物行为识别框架结构 | 第35页 |
| 3.2 LDA 模型及其行为识别分析 | 第35-39页 |
| 3.3 引入 TMBP 的人物行为识别 | 第39-43页 |
| 3.3.1 基于因子图的 TMBP 模型 | 第39-40页 |
| 3.3.2 BP 算法 | 第40-42页 |
| 3.3.3 基于 TMBP 的人物行为识别 | 第42-43页 |
| 3.4 实验分析 | 第43-46页 |
| 3.4.1 动作数据集 | 第43页 |
| 3.4.2 不同分类模型在人物行为识别上的对比实验结果分析 | 第43-45页 |
| 3.4.3 不同单词数对实验结果的影响分析 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于主题模型的多目标人物行为识别 | 第47-57页 |
| 4.1 多目标人物行为识别框架结构 | 第47-48页 |
| 4.2 卡尔曼滤波算法选择候选区域 | 第48-50页 |
| 4.3 基于部件的人物轮廓特征 | 第50-53页 |
| 4.3.1 低维特征表示 | 第51页 |
| 4.3.2 部件模版匹配 | 第51-53页 |
| 4.3.3 高维特征提取 | 第53页 |
| 4.4 多目标人物行为识别算法步骤 | 第53-54页 |
| 4.5 实验结果与分析 | 第54-56页 |
| 4.5.1 基于卡尔曼滤波和部件轮廓特征的人物跟踪实验结果 | 第54-56页 |
| 4.5.2 多人物行为识别的实验结果 | 第56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结和展望 | 第57-59页 |
| 5.1 论文工作总结 | 第57-58页 |
| 5.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-67页 |
| 攻读学位期间公开发表的论文与参与的科研项目 | 第67-68页 |
| 致谢 | 第68-69页 |
