| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题的应用背景及意义 | 第11页 |
| 1.2 双人交互行为识别难点与挑战 | 第11-12页 |
| 1.3 本文的主要研究内容及创新点 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 第2章 双人交互行为识别综述 | 第15-22页 |
| 2.1 基于整体的交互行为识别方法 | 第15-18页 |
| 2.1.1 基于单一特征的识别方法 | 第15-17页 |
| 2.1.2 基于多特征融合的识别方法 | 第17-18页 |
| 2.2 基于个体分割的交互行为识别方法 | 第18-21页 |
| 2.2.1 基于语义描述的识别方法 | 第18-19页 |
| 2.2.2 基于共生原子动作匹配的识别方法 | 第19-20页 |
| 2.2.3 基于概率图模型的识别方法 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于关键帧特征库统计特征的双人交互行为识别 | 第22-34页 |
| 3.1 双人交互行为的底层特征表示 | 第23-28页 |
| 3.1.1 GIST特征提取及表示方法 | 第23-27页 |
| 3.1.2 方向梯度直方图特征提取及表示方法 | 第27-28页 |
| 3.2 关键帧特征库统计特征描述 | 第28页 |
| 3.2.1 词袋模型 | 第28页 |
| 3.2.2 关键帧特征库统计特征描述算法 | 第28页 |
| 3.3 双人交互行为识别 | 第28-29页 |
| 3.3.1 直方图相交核SVM分类器工作原理 | 第28-29页 |
| 3.3.2 两种特征分类概率决策级加权融合的方法 | 第29页 |
| 3.4 实验与结果分析 | 第29-33页 |
| 3.4.1 数据库及实验环境介绍 | 第29-30页 |
| 3.4.2 留一交叉验证法 | 第30-31页 |
| 3.4.3 单特征的识别结果 | 第31-32页 |
| 3.4.4 决策级特征融合识别结果及分析 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于视觉共生矩阵序列的双人交互行为识别 | 第34-44页 |
| 4.1 视觉共生矩阵序列的双人交互行为识别方法概述 | 第34-35页 |
| 4.2 交互行为分割方法 | 第35-36页 |
| 4.3 视觉共生矩阵序列描述 | 第36-39页 |
| 4.4 双人交互行为识别方法 | 第39-41页 |
| 4.4.1 帧帧最近邻识别方法 | 第39-40页 |
| 4.4.2 HMM识别方法 | 第40-41页 |
| 4.5 实验与结果分析 | 第41-43页 |
| 4.5.1 帧帧最近邻识别结果及分析 | 第42页 |
| 4.5.2 HMM识别结果及分析 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 基于分阶段视觉共生矩阵序列的双人交互行为识别 | 第44-49页 |
| 5.1 分阶段视觉共生矩阵序列的双人交互识别方法概述 | 第44-45页 |
| 5.2 交互行为的分段分割方法 | 第45页 |
| 5.3 各阶段相似概率加权融合识别方法 | 第45-46页 |
| 5.4 实验与结果分析 | 第46-48页 |
| 5.4.1 分阶段概率融合框架测试 | 第46-47页 |
| 5.4.2 分阶段HMM概率融合的测试 | 第47-48页 |
| 5.4.3 不同方法识别效果比较 | 第48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第56页 |
