| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-13页 |
| 1.4 本文章节安排 | 第13-14页 |
| 2 卷积神经网络的相关理论基础 | 第14-22页 |
| 2.1 卷积神经网络的网络架构 | 第14-16页 |
| 2.2 卷积神经网络的学习过程 | 第16-21页 |
| 2.2.1 前向传播过程 | 第16-19页 |
| 2.2.2 反向传播过程 | 第19-21页 |
| 2.3 深度学习工具 | 第21页 |
| 2.3.1 Caffe | 第21页 |
| 2.3.2 TensorFlow | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于玻尔兹曼熵的异常帧分类 | 第22-36页 |
| 3.1 数据集介绍 | 第22-25页 |
| 3.1.1 CASIA数据集 | 第22-23页 |
| 3.1.2 CAVIAR数据集 | 第23-24页 |
| 3.1.3 网络数据 | 第24-25页 |
| 3.2 人体行为特征提取 | 第25-27页 |
| 3.2.1 光流法介绍 | 第25-26页 |
| 3.2.2 全局光流特征提取 | 第26-27页 |
| 3.3 异常帧分类 | 第27-35页 |
| 3.3.1 粒子运动状态分布直方图 | 第29-30页 |
| 3.3.2 玻尔兹曼熵的计算 | 第30-32页 |
| 3.3.3 异常帧筛选过程 | 第32-33页 |
| 3.3.4 实验结果及分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于改进的双流卷积神经网络的打斗行为识别 | 第36-56页 |
| 4.1 双流卷积神经网络 | 第36-40页 |
| 4.1.1 基本网络结构 | 第37-38页 |
| 4.1.2 时间流网络 | 第38-40页 |
| 4.1.3 空间流网络 | 第40页 |
| 4.2 改进的双流卷积神经网络模型设计 | 第40-44页 |
| 4.2.1 网络参数设置及实验结果分析 | 第41-42页 |
| 4.2.2 堆叠光流实验结果分析 | 第42-44页 |
| 4.3 基于HOG+SVM的打斗行为识别 | 第44-47页 |
| 4.4 扩展双流CNN模型的打斗行为识别 | 第47-54页 |
| 4.4.1 基于双流VGG-16模型的打斗行为识别 | 第47-49页 |
| 4.4.2 基于双流GoogLeNet模型的打斗行为识别 | 第49-52页 |
| 4.4.3 基于双流ResNet模型的打斗行为识别 | 第52-54页 |
| 4.5 综合对比与分析 | 第54-55页 |
| 4.5.1 不同网络对打斗识别效果对比 | 第54页 |
| 4.5.2 打斗识别方法的性能比较 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 总结和展望 | 第56-58页 |
| 5.1 本文总结 | 第56页 |
| 5.2 研究展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 附录 | 第64页 |
