| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| 图录 | 第10-12页 |
| 表录 | 第12-13页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究现状及发展趋势 | 第14-17页 |
| 1.2.1 时空信息特征方法 | 第15-16页 |
| 1.2.2 序列信息特征方法 | 第16-17页 |
| 1.2.3 发展趋势 | 第17页 |
| 1.3 本文研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-20页 |
| 第2章 基于时空兴趣点的人体行为识别的研究 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 时空兴趣点检测和描述 | 第20-26页 |
| 2.2.1 Harris-3D角点的时空兴趣点检测算法 | 第22-23页 |
| 2.2.2 高斯和Gabor滤波器的时空兴趣点检测算法 | 第23-24页 |
| 2.2.3 梯度信息的时空兴趣点描述算法 | 第24-26页 |
| 2.3 视觉词袋模型 | 第26-27页 |
| 2.4 行为模式的分类算法 | 第27-29页 |
| 2.4.1 K最近邻分类器KNN | 第27-28页 |
| 2.4.2 支持向量机SVM | 第28-29页 |
| 2.5 实验研究与结论 | 第29-34页 |
| 2.5.1 实验环境 | 第29-30页 |
| 2.5.2 时空兴趣点算法性能比较 | 第30-33页 |
| 2.5.3 对人体行为识别精度的影响 | 第33-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 金字塔匹配核的人体行为识别模型 | 第35-48页 |
| 3.1 引言 | 第35-36页 |
| 3.2 视觉词汇森林金字塔匹配核VVF-PMK | 第36-40页 |
| 3.2.1 金字塔匹配核基本原理 | 第37-38页 |
| 3.2.2 金字塔匹配核函数子区域划分 | 第38-40页 |
| 3.3 基于SMVVF-PMK的人体行为识别模型 | 第40-44页 |
| 3.3.1 SMVVF的直方图 | 第41-42页 |
| 3.3.2 PMK核特征计算 | 第42-44页 |
| 3.4 实验结果与性能分析 | 第44-47页 |
| 3.4.1 实验环境 | 第44页 |
| 3.4.2 SMVVF影响因素分析 | 第44-45页 |
| 3.4.3 实验结果与分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 多维空间聚类的视觉词袋模型构造算法 | 第48-55页 |
| 4.1 引言 | 第48-49页 |
| 4.2 多维时空坐标聚类 | 第49-51页 |
| 4.2.1 多维时空坐标构造 | 第49-50页 |
| 4.2.2 时空子区域聚类描述 | 第50-51页 |
| 4.3 基于CMDS的视觉词袋模型 | 第51-52页 |
| 4.3.1 CMDS视觉词典生成 | 第51-52页 |
| 4.3.2 CMDS视觉词典直方图 | 第52页 |
| 4.4 实验结果与性能分析 | 第52-54页 |
| 4.4.1 实验环境 | 第53页 |
| 4.4.2 时空子区域数影响因素分析 | 第53页 |
| 4.4.3 实验结果与分析 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 时空兴趣点在课堂行为识别中的应用 | 第55-61页 |
| 5.1 应用背景及意义 | 第55页 |
| 5.2 课堂行为识别的框架设计 | 第55-57页 |
| 5.2.1 课堂行为描述 | 第56页 |
| 5.2.2 模式训练阶段 | 第56-57页 |
| 5.2.3 分类识别阶段 | 第57页 |
| 5.3 实验结果与结论 | 第57-60页 |
| 5.3.1 SMVVF-PKM算法验证 | 第57-58页 |
| 5.3.2 CMDS视觉词袋模型验证 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68页 |