| 致谢 | 第5-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第13-27页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 国内外研究概况 | 第15-23页 |
| 1.2.1 基于多样本学习的人体行为识别研究 | 第17-19页 |
| 1.2.2 基于零样本学习的人体行为识别研究 | 第19-23页 |
| 1.3 研究内容和论文框架 | 第23-27页 |
| 1.3.1 研究内容及难点 | 第23-25页 |
| 1.3.2 论文框架与结构安排 | 第25-27页 |
| 2 基于多样本与零样本学习的人体行为识别研究的相关知识 | 第27-45页 |
| 2.1 基于多样本学习的人体行为识别研究 | 第27-35页 |
| 2.1.1 局部时空特征 | 第28-30页 |
| 2.1.2 词袋模型与特征编码 | 第30-35页 |
| 2.2 基于零样本学习的人体行为识别研究 | 第35-40页 |
| 2.2.1 零样本行为识别的基准方法 | 第36-39页 |
| 2.2.2 域偏移问题 | 第39-40页 |
| 2.3 人体行为识别公共数据库 | 第40-45页 |
| 3 基于稀疏编码的多样本人体行为识别 | 第45-85页 |
| 3.1 基于局部上下文线性编码的多样本人体行为识别 | 第46-60页 |
| 3.1.1 基于上下文与局部信息的线性编码方法 | 第47-53页 |
| 3.1.2 基于组别的稀疏表示分类方法 | 第53页 |
| 3.1.3 实验分析与讨论 | 第53-60页 |
| 3.1.4 方法小结 | 第60页 |
| 3.2 基于层级时空组稀疏编码的多样本人体行为识别 | 第60-82页 |
| 3.2.1 局部一致性组稀疏编码方法 | 第62-67页 |
| 3.2.2 视觉单词位置估计 | 第67-71页 |
| 3.2.3 两层编码方法 | 第71-73页 |
| 3.2.4 实验分析与讨论 | 第73-81页 |
| 3.2.5 方法小结 | 第81-82页 |
| 3.3 本章小结 | 第82-85页 |
| 4 具有时序保留特性的零样本人体行为识别 | 第85-115页 |
| 4.1 视频序列预处理 | 第86-88页 |
| 4.2 基于最大间隔结构回归的零样本人体行为识别 | 第88-98页 |
| 4.2.1 最大间隔结构SVM模型构建 | 第89-94页 |
| 4.2.2 实验分析与讨论 | 第94-97页 |
| 4.2.3 方法小结 | 第97-98页 |
| 4.3 具有样本对齐及动态保留特性的零样本人体行为识别 | 第98-113页 |
| 4.3.1 映射模型构建 | 第99-105页 |
| 4.3.2 实验分析与讨论 | 第105-112页 |
| 4.3.3 方法小结 | 第112-113页 |
| 4.4 本章小结 | 第113-115页 |
| 5 智能人体行为识别系统平台 | 第115-123页 |
| 5.1 智能人体行为识别系统平台概述 | 第116页 |
| 5.2 智能人体行为识别系统平台功能模块介绍 | 第116-121页 |
| 5.2.1 基于多样本学习的人体行为识别模块 | 第117-119页 |
| 5.2.2 基于零样本学习的人体行为识别模块 | 第119-121页 |
| 5.3 本章小结 | 第121-123页 |
| 6 总结与展望 | 第123-127页 |
| 6.1 工作总结 | 第123-124页 |
| 6.2 未来展望 | 第124-127页 |
| 参考文献 | 第127-137页 |
| 附录A | 第137-139页 |
| 附录B | 第139-141页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第141-145页 |
| 学位论文数据集 | 第145页 |
