| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 引言 | 第8-11页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 本文研究工作概述 | 第9-10页 |
| 1.3 本文结构 | 第10-11页 |
| 第二章 图像和视频特征以及常用方法 | 第11-28页 |
| 2.1 概述 | 第11页 |
| 2.2 全局特征 | 第11-15页 |
| 2.2.1 颜色特征 | 第11-12页 |
| 2.2.2 纹理特征 | 第12-14页 |
| 2.2.3 形状特征 | 第14-15页 |
| 2.2.4 空间特征 | 第15页 |
| 2.3 局部特征 | 第15-20页 |
| 2.3.1 SIFT特征 | 第17-20页 |
| 2.4 常用方法 | 第20-28页 |
| 2.4.1 词袋方法 | 第20-25页 |
| 2.4.2 K最近邻算法 | 第25-28页 |
| 第三章 基于显著图和范本模型融合的图像重排序 | 第28-37页 |
| 3.1 研究目的及相关工作 | 第28-30页 |
| 3.2 本文思想和方法 | 第30-32页 |
| 3.2.1 准备 | 第30页 |
| 3.2.2 范本模型 | 第30页 |
| 3.2.3 基于显著图模型 | 第30-31页 |
| 3.2.4 范本模型和显著图的融合 | 第31-32页 |
| 3.3 实验及分析 | 第32-36页 |
| 3.3.1 实验设定和结果评估 | 第32页 |
| 3.3.2 实验结果及分析 | 第32-36页 |
| 3.4 总结与展望 | 第36-37页 |
| 第四章 使用权重模板和时空模板的融合进行人类动作识别 | 第37-48页 |
| 4.1 研究目的及相关工作 | 第37-38页 |
| 4.2 本文思想和方法 | 第38-44页 |
| 4.2.1 光流模型上的权重模板 | 第38-41页 |
| 4.2.2 时空模板 | 第41-42页 |
| 4.2.3 权重模板与时空模板的融合 | 第42-44页 |
| 4.3 实验及分析 | 第44-47页 |
| 4.3.1 数据集和性能评估 | 第44页 |
| 4.3.2 权重模板上不同数量分割的性能 | 第44-45页 |
| 4.3.3 动作识别结果 | 第45-47页 |
| 4.4 总结与展望 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 本文总结 | 第48页 |
| 5.2 未来研究展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 附录一 硕士期间发表的论文和专利 | 第53-54页 |
| 致谢 | 第54-55页 |