| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 论文主要工作及章节安排 | 第18-20页 |
| 第二章 非负矩阵分解与行为识别基本理论 | 第20-34页 |
| 2.1 引言 | 第20页 |
| 2.2 非负矩阵分解方法 | 第20-23页 |
| 2.2.1 问题描述 | 第20-21页 |
| 2.2.2 目标函数 | 第21-22页 |
| 2.2.3 迭代更新规则 | 第22-23页 |
| 2.3 各种非负矩阵分解改进方法 | 第23-27页 |
| 2.4 行为识别相关理论 | 第27-31页 |
| 2.4.1 视频行为表示方法 | 第27-30页 |
| 2.4.2 行为识别的相关数据库介绍 | 第30-31页 |
| 2.5 本章小结 | 第31-34页 |
| 第三章 秩正则化和局部加权约束非负矩阵分解方法 | 第34-46页 |
| 3.1 引言 | 第34-35页 |
| 3.2 本文秩正则化和局部加权约束非负矩阵分解 | 第35-40页 |
| 3.2.1 数学模型 | 第35-37页 |
| 3.2.2 求解方法和更新规则 | 第37-38页 |
| 3.2.3 收敛性证明 | 第38-40页 |
| 3.3 获取视频中的运动显著性区域 | 第40-42页 |
| 3.4 实验与分析 | 第42-43页 |
| 3.4.1 秩正则化和局部加权约束非负矩阵分解方法的收敛性 | 第42-43页 |
| 3.4.2 聚类结果对比实验 | 第43页 |
| 3.5 本章小结 | 第43-46页 |
| 第四章 复杂行为识别 | 第46-60页 |
| 4.1 引言 | 第46-47页 |
| 4.2 时间平滑和秩正则化约束的非负矩阵分解用于时间子空间聚类 | 第47-53页 |
| 4.2.1 数学模型 | 第48-50页 |
| 4.2.2 迭代规则 | 第50-52页 |
| 4.2.3 收敛性证明 | 第52-53页 |
| 4.3 视频行为分割 | 第53-55页 |
| 4.4 实验与分析 | 第55-59页 |
| 4.4.1 时间平滑和秩正则化约束的非负矩阵分解方法的收敛性 | 第55-56页 |
| 4.4.2 参数选择 | 第56-57页 |
| 4.4.3 视频行为分割 | 第57-58页 |
| 4.4.4 复杂行为识别 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 全文总结 | 第60-61页 |
| 5.2 研究展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
