视频运动人体行为识别与分类方法研究

摘要	第1-8页
ABSTRACT	第8-12页
缩略语	第12-22页
第一章 绪论	第22-34页
·研究的背景和意义	第24-28页
·研究背景	第24-25页
·传统视频监控的局限性	第25-26页
·智能视频监控的优势	第26-28页
·研究的问题与目标	第28页
·论文的主要研究工作与内容安排	第28-34页
·研究主线	第28页
·主要工作	第28-30页
·论文的结构	第30-34页
第二章 人体行为识别与分类方法及应用现状分析	第34-56页
·人体行为数据库	第34-39页
·南安普顿大学步态身份识别数据库	第34-35页
·皇家理工学院行为识别数据库	第35-36页
·魏茨曼科学院行为识别数据库	第36-37页
·中国科学院自动化研究所生物信息识别数据库	第37-39页
·国内外理论研究现状	第39-54页
·行为表示	第41-49页
·行为识别	第49-54页
·国内外技术研究现状	第54-55页
·本章小结	第55-56页
第三章 人体运动行为特征提取与表示方法	第56-68页
·解卷绕法	第56-61页
·轮廓线提取	第56-60页
·特征转换	第60-61页
·关键点表示法	第61-62页
·Haar 基函数	第61页
·图像Haar 小波变换	第61-62页
·Radon 变换法	第62-64页
·(?) 变换法	第64-66页
·本章小结	第66-68页
第四章 基于动态时间规划的运动人体行为识别方法	第68-92页
·动态时间规划	第68-72页
·动态时间规划基本原理	第69-70页
·时间弯折的限制	第70页
·时间弯折的动态规划方法	第70-72页
·分段加权动态时间规划法	第72-77页
·步态建模与识别	第73-76页
·实验结果分析	第76-77页
·关键帧特征识别法	第77-90页
·特征分析与关键帧检测	第79-82页
·特征提取与表示	第82-84页
·行为建模与识别	第84-85页
·实验结果分析	第85-90页
·本章小结	第90-92页
第五章 基于隐马尔可夫模型的运动人体行为分类方法	第92-118页
·隐马尔可夫模型基本原理	第93-100页
·马尔可夫链	第93-94页
·隐马尔可夫模型基本概念	第94-95页
·隐马尔可夫模型基本算法	第95-100页
·关键点特征分类法	第100-108页
·特征提取	第101-102页
·行为训练与识别	第102-104页
·实验结果分析	第104-108页
·交互行为整体分类法	第108-116页
·? 变换特征表示与分析	第109-113页
·隐马尔可夫模型的训练与识别	第113-114页
·实验结果分析	第114-116页
·本章小结	第116-118页
第六章 基于条件随机场的运动人体行为分类方法	第118-128页
·条件随机场基本原理	第118-122页
·条件随机场的无向图结构	第118-119页
·条件随机场的势函数表示	第119-120页
·条件随机场的参数估计	第120-121页
·条件随机场的边缘概率	第121-122页
·整体特征判别分类法	第122-125页
·序列分割与特征表示	第122页
·特征选择	第122-125页
·行为分类	第125页
·实验结果分析	第125-127页
·实验数据设置	第125-126页
·实验结果讨论	第126-127页
·实验结果对比	第127页
·本章小结	第127-128页
第七章 总结与展望	第128-132页
·全文内容总结	第128-130页
·后续研究工作展望	第130-132页
参考文献	第132-154页
致谢	第154-156页
攻读博士学位期间完成的科研成果和参与的科研项目	第156-159页