| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题的背景和意义 | 第9-11页 |
| 1.2 人体行为分析的研究进展 | 第11-14页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 发展趋势 | 第13-14页 |
| 1.3 基于视频的人体行为理解中的难点问题 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15页 |
| 1.5 论文的结构安排 | 第15-17页 |
| 第二章 基于视频序列的人体特定行为检测技术综述 | 第17-28页 |
| 2.1 公共行为数据库介绍 | 第17-19页 |
| 2.2 目标检测技术 | 第19-23页 |
| 2.2.1 背景减除法 | 第20-22页 |
| 2.2.2 帧间差分法 | 第22-23页 |
| 2.3 目标跟踪技术 | 第23-25页 |
| 2.4 行为理解技术 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 融合Canny算子的ViBe算法的目标检测 | 第28-40页 |
| 3.1 概述 | 第28-29页 |
| 3.2 ViBe算法 | 第29-31页 |
| 3.2.1 模型初始化 | 第29页 |
| 3.2.2 前景检测 | 第29-30页 |
| 3.2.3 模型更新 | 第30-31页 |
| 3.3 改进的Canny算子 | 第31-34页 |
| 3.3.1 Canny算子 | 第31-32页 |
| 3.3.2 改进Canny算子 | 第32-34页 |
| 3.4 前景融合 | 第34-36页 |
| 3.5 实验结果 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 融合卡尔曼滤波与TLD算法的目标跟踪 | 第40-54页 |
| 4.1 概述 | 第40-41页 |
| 4.2 基于卡尔曼的运动估计 | 第41-43页 |
| 4.2.1 卡尔曼滤波原理 | 第41页 |
| 4.2.2 基于卡尔曼的运动估计 | 第41-43页 |
| 4.3 TLD算法及改进 | 第43-47页 |
| 4.3.1 TLD算法简介 | 第43-44页 |
| 4.3.2 融合改进卡尔曼滤波的TLD跟踪 | 第44-46页 |
| 4.3.3 改进的TLD检测模块 | 第46-47页 |
| 4.4 实验结果及其分析 | 第47-53页 |
| 4.4.1 数据库介绍 | 第47页 |
| 4.4.2 实验结果 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于频域的行为理解 | 第54-72页 |
| 5.1 概述 | 第54-55页 |
| 5.2 频域特征 | 第55-63页 |
| 5.2.1 光流技术 | 第55-58页 |
| 5.2.2 微分光流计算法 | 第58-60页 |
| 5.2.3 局部运动描述 | 第60-63页 |
| 5.3 基于平衡二叉树的SVM多分类算法 | 第63-67页 |
| 5.3.1 常见的多分类支持向量机 | 第63-64页 |
| 5.3.2 平衡二叉决策树SVM介绍 | 第64-65页 |
| 5.3.3 BDT-SVM算法 | 第65-66页 |
| 5.3.4 BDT-SVM算法缺点分析 | 第66-67页 |
| 5.4 基于层次划分的平衡二叉决策树SVM多分类算法 | 第67-69页 |
| 5.5 实验结果 | 第69-71页 |
| 5.6 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 全文的工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第76-77页 |
| 附录2 攻读硕士学位期间申请的专利 | 第77-78页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第78-79页 |
| 致谢 | 第79页 |