| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 人物行为识别技术研究目的及意义 | 第9-11页 |
| 1.2 国内外相关领域研究现状 | 第11-13页 |
| 1.3 本文研究内容及结构安排 | 第13-14页 |
| 第二章 人物行为识别理论综述 | 第14-29页 |
| 2.1 引言 | 第14页 |
| 2.2 视频行为的模型表示 | 第14-18页 |
| 2.2.1 轨迹跟踪模型 | 第14-16页 |
| 2.2.2 卷积神经网络模型 | 第16-18页 |
| 2.3 行为轨迹特征的表示 | 第18-21页 |
| 2.3.1 行为特征描述子 | 第18-20页 |
| 2.3.2 轨迹运动描述 | 第20-21页 |
| 2.4 行为特征融合与特征降维 | 第21-25页 |
| 2.4.1 特征融合 | 第21-23页 |
| 2.4.2 特征降维 | 第23-25页 |
| 2.5 行为分类 | 第25-29页 |
| 2.5.1 高斯混合—费舍尔向量模型 | 第25页 |
| 2.5.2 K近邻分类 | 第25-27页 |
| 2.5.3 判别式分类 | 第27-29页 |
| 第三章 基于手选稠密轨迹特征和费舍尔向量模型的人物行为识别算法的研究及分析 | 第29-43页 |
| 3.1 引言 | 第29页 |
| 3.2 视频中人物行为的表示方法 | 第29-33页 |
| 3.2.1 手选特征轨迹提取 | 第29-31页 |
| 3.2.2 随机投影与特征降维 | 第31-33页 |
| 3.3 手选特征轨迹下的人物行为识别 | 第33-36页 |
| 3.3.1 基于费舍尔向量的行为识别模型 | 第33-34页 |
| 3.3.2 RP-DT-FV算法步骤 | 第34-36页 |
| 3.4 实验与实验分析 | 第36-42页 |
| 3.4.1 数据集 | 第36-37页 |
| 3.4.2 实验与实验结果分析 | 第37-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于深度卷积轨迹特征和费舍尔向量模型的人物行为识别算法的研究及分析 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 层时空卷积网络特征模型 | 第43-45页 |
| 4.3 深度卷积轨迹特征模型下的人物行为识别 | 第45-50页 |
| 4.3.1 深度卷积轨迹特征模型 | 第45-48页 |
| 4.3.2 RP-TDD-FV算法步骤 | 第48-50页 |
| 4.4 实验与实验分析 | 第50-58页 |
| 4.4.1 数据集 | 第50页 |
| 4.4.2 实验环境与实验步骤 | 第50-52页 |
| 4.4.3 实验结果分析 | 第52-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于费舍尔向量模型的图像检索项目实现 | 第59-73页 |
| 5.1 引言 | 第59-60页 |
| 5.2 工程模型 | 第60-65页 |
| 5.2.1 RP-ASIFT特征提取 | 第60-62页 |
| 5.2.2 基于费舍尔特征向量的图像视觉模型 | 第62-65页 |
| 5.3 图像检索工程实验 | 第65-72页 |
| 5.3.1 项目总体框架结构 | 第65-66页 |
| 5.3.2 项目算法及实施步骤 | 第66-69页 |
| 5.3.3 项目实施结果 | 第69-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 全文总结 | 第73-75页 |
| 6.1 总结 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士期间发表论文 | 第83页 |