| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-26页 |
| ·研究的背景和意义 | 第13-15页 |
| ·智能化监控系统 | 第13页 |
| ·智能家用电器应用 | 第13-14页 |
| ·高级用户接口 | 第14页 |
| ·基于内容的视频检索 | 第14页 |
| ·图像压缩领域 | 第14-15页 |
| ·目前基于视觉的人体动作识别的困难所在 | 第15-17页 |
| ·目前研究的主要的方法类型 | 第17-21页 |
| ·人体动作表示方法 | 第17-19页 |
| ·人体动作分类方法 | 第19-21页 |
| ·研究热点及发展趋势 | 第21-22页 |
| ·本文的主要研究内容和创新点 | 第22-24页 |
| ·本文的组织结构 | 第24-26页 |
| 第二章 基于黑板模式的快速人体检测方法 | 第26-37页 |
| ·引言 | 第26-27页 |
| ·系统体系结构 | 第27-28页 |
| ·系统分析及实现 | 第28-30页 |
| ·黑板数据结构 | 第28-29页 |
| ·系统流程图 | 第29-30页 |
| ·运动检测和目标分割 | 第30-31页 |
| ·运动检测 | 第30页 |
| ·目标分割 | 第30-31页 |
| ·关键技术及其解决方案 | 第31-34页 |
| ·控制策略设计 | 第31页 |
| ·人体检测方法设计 | 第31-34页 |
| ·实验及讨论 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于非参数聚类和多尺度图像的目标跟踪方法 | 第37-60页 |
| ·引言 | 第37-38页 |
| ·目标表示及相似性函数定义 | 第38-42页 |
| ·目标颜色空间划分 | 第38-39页 |
| ·目标外观模型 | 第39-41页 |
| ·相似性函数定义 | 第41-42页 |
| ·目标空间定位和尺度定位 | 第42-47页 |
| ·基于多尺度图像的目标空间定位 | 第43-44页 |
| ·核函数带宽选择及目标尺度定位 | 第44-45页 |
| ·跟踪算法描述 | 第45-47页 |
| ·实验及讨论 | 第47-59页 |
| ·非参数颜色聚类实验 | 第48-49页 |
| ·尺度显著变化的人体跟踪实验 | 第49-50页 |
| ·背景颜色相似影响的行人跟踪实验 | 第50-53页 |
| ·基于人体检测的多目标跟踪实验 | 第53-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于人体动作基元树的人体动作识别方法 | 第60-87页 |
| ·引言 | 第60-62页 |
| ·系统流程 | 第62-63页 |
| ·人体动作表示 | 第63-66页 |
| ·形状-运动描述符 | 第63-66页 |
| ·形状-运动基元树 | 第66页 |
| ·人体动作识别 | 第66-70页 |
| ·基于树模型的图像帧到动作基元匹配 | 第66-67页 |
| ·基于HMM的图像帧到动作基元匹配 | 第67-68页 |
| ·基于动作基元序列匹配的动作识别 | 第68-70页 |
| ·人体动作定位 | 第70-72页 |
| ·实现细节 | 第72-73页 |
| ·实验及讨论 | 第73-86页 |
| ·Keck手势数据库评价 | 第74-77页 |
| ·Weizmann动作数据库评价 | 第77-78页 |
| ·KTH 动作数据库评价 | 第78-84页 |
| ·结算柜台数据库评价 | 第84-85页 |
| ·两种图像帧到动作基元匹配方法的实验对比 | 第85-86页 |
| ·本章小结 | 第86-87页 |
| 第五章 基于树模型的人体动作检测，识别和分割方法 | 第87-102页 |
| ·引言 | 第87-90页 |
| ·人体动作表示和树模型学习 | 第90-94页 |
| ·hog-flow描述符 | 第90-92页 |
| ·树模型构建和匹配 | 第92-94页 |
| ·人体动作识别 | 第94-95页 |
| ·问题公式化 | 第94页 |
| ·全局滤波细化 | 第94-95页 |
| ·动作识别 | 第95页 |
| ·人体动作分割 | 第95-96页 |
| ·实验及讨论 | 第96-98页 |
| ·CMU 动作数据库评价 | 第97页 |
| ·Weizmann 动作数据库评价 | 第97-98页 |
| ·本章小结 | 第98-102页 |
| 第六章 基于判别霍夫表决树的多类型人体动作检测和识别方法 | 第102-121页 |
| ·引言 | 第102-105页 |
| ·人体动作表示 | 第105-107页 |
| ·局部特征 | 第105-106页 |
| ·全局特征 | 第106-107页 |
| ·判别表决树学习 | 第107-110页 |
| ·标签一致的k-均值聚类 | 第107-110页 |
| ·树构建 | 第110页 |
| ·人体动作检测和识别 | 第110-113页 |
| ·候选人体动作检测 | 第110-112页 |
| ·动作识别 | 第112-113页 |
| ·实验及讨论 | 第113-117页 |
| ·Keck手势数据库评价 | 第114页 |
| ·KTH 动作数据库评价 | 第114-115页 |
| ·CMU动作数据库评价 | 第115-117页 |
| ·本章小结 | 第117-121页 |
| 结论与展望 | 第121-126页 |
| 本文的主要研究工作总结 | 第121-124页 |
| 下一步的工作重点 | 第124-126页 |
| 参考文献 | 第126-139页 |
| 攻读博士学位期间取得的研究成果 | 第139-142页 |
| 致谢 | 第142页 |