| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.2 相关工作的研究概况 | 第11-17页 |
| 1.2.1 人的动作分类方法的研究概况 | 第11-15页 |
| 1.2.2 群体行为异常检测方法的研究概况 | 第15-17页 |
| 1.3 本文的主要研究内容 | 第17-19页 |
| 第2章 视频中人的行为分析研究方案设计 | 第19-30页 |
| 2.1 单人行为的分类方法设计 | 第19-24页 |
| 2.1.1 时空兴趣点的提取与描述 | 第20-21页 |
| 2.1.2 特征量化 | 第21-23页 |
| 2.1.3 相似性度量 | 第23页 |
| 2.1.4 分类算法 | 第23-24页 |
| 2.2 无监督的群体行为分析方法设计 | 第24-29页 |
| 2.2.1 特征提取 | 第24-26页 |
| 2.2.2 特征匹配 | 第26-27页 |
| 2.2.3 聚类方法 | 第27-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 基于时空约束的视频中单人行为分类方法 | 第30-40页 |
| 3.1 兴趣点提取与描述 | 第30-32页 |
| 3.1.1 3-D Harris 角点检测 | 第30-32页 |
| 3.1.2 兴趣点特征描述 | 第32页 |
| 3.2 基于随机森林的特征量化 | 第32-33页 |
| 3.3 时空相似性度量 | 第33-35页 |
| 3.3.1 时空结构映射 | 第33-35页 |
| 3.3.2 相似性度量 | 第35页 |
| 3.4 KNN 分类 | 第35页 |
| 3.5 实验结果与分析 | 第35-39页 |
| 3.5.1 数据集 | 第35-37页 |
| 3.5.2 KTH 动作数据集上的结果与分析 | 第37-38页 |
| 3.5.3 YouTube 动作数据集上的结果与分析 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于显著度的视频中群体行为的无监督分析 | 第40-54页 |
| 4.1 时空显著度映射 | 第40-41页 |
| 4.2 特征池化 | 第41-42页 |
| 4.3 基于 DTW 特征匹配的行为关系 | 第42-43页 |
| 4.4 N-CUT 聚类 | 第43-45页 |
| 4.5 实验结果与分析 | 第45-53页 |
| 4.5.1 数据集 | 第45-46页 |
| 4.5.2 HIT-BJUT 数据集上的实验结果与分析 | 第46-52页 |
| 4.5.3 UMN 数据集上的实验结果与分析 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-62页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第62-64页 |
| 致谢 | 第64页 |