| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-17页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究的背景和意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-24页 |
| 1.2.1 人体行为识别的应用场景 | 第18-21页 |
| 1.2.2 人体行为识别的研究现状 | 第21-23页 |
| 1.2.3 人体行为识别所面临的问题和挑战 | 第23-24页 |
| 1.3 本文主要贡献和内容安排 | 第24-27页 |
| 第二章 人体行为识别基础概述 | 第27-43页 |
| 2.1 空域特征 | 第27-32页 |
| 2.1.1 特征检测 | 第27-29页 |
| 2.1.2 特征描述 | 第29-32页 |
| 2.2 时域特征 | 第32-36页 |
| 2.2.1 时域金字塔 | 第32-33页 |
| 2.2.2 时域超像素 | 第33-34页 |
| 2.2.3 时间序列神经网络模型 | 第34-36页 |
| 2.3 行为识别分类方法介绍 | 第36-40页 |
| 2.3.1 逻辑斯特回归 | 第36-37页 |
| 2.3.2 支持向量机 | 第37-38页 |
| 2.3.3 提升方法 | 第38-40页 |
| 2.4 行为识别常用数据集 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 基于正反时序差异特征学习的人体行为识别方法 | 第43-63页 |
| 3.1 引言 | 第43页 |
| 3.2 视频时序特性分析 | 第43页 |
| 3.3 空域特性提取 | 第43-45页 |
| 3.4 基于正反时序差异的特征学习方法 | 第45-50页 |
| 3.4.1 正反时序特征学习 | 第45-46页 |
| 3.4.2 底层特征Fisher变换 | 第46-48页 |
| 3.4.3 正-反向演化序列 | 第48页 |
| 3.4.4 正-反向演化步长 | 第48-49页 |
| 3.4.5 正-反时序差异特征学习 | 第49-50页 |
| 3.5 实验 | 第50-61页 |
| 3.5.1 实验设置 | 第50页 |
| 3.5.2 在KTH数据集上的实验结果 | 第50-54页 |
| 3.5.3 在UCF YouTube数据集上的实验结果 | 第54-57页 |
| 3.5.4 在HMDB51数据集上的实验结果 | 第57-61页 |
| 3.6 本章小结 | 第61-63页 |
| 第四章 基于时序回归特征学习的人体行为识别方法 | 第63-77页 |
| 4.1 引言 | 第63页 |
| 4.2 常用的回归方法总结 | 第63-65页 |
| 4.3 基于时序回归的特征学习方法 | 第65-68页 |
| 4.3.1 时序回归特征学习 | 第65-67页 |
| 4.3.2 时序演化序列 | 第67页 |
| 4.3.3 时序回归特征学习 | 第67-68页 |
| 4.4 实验 | 第68-76页 |
| 4.4.1 在KTH数据集上的实验结果 | 第68-70页 |
| 4.4.2 在UCF YouTube数据集上的实验结果 | 第70-72页 |
| 4.4.3 在HMDB51数据集上的实验结果 | 第72-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 基于行为主框架特征学习的人体行为识别方法 | 第77-91页 |
| 5.1 引言 | 第77页 |
| 5.2 时序回归特征频域分析 | 第77-78页 |
| 5.3 基于时域频域双金字塔的行为主框架特征学习方法 | 第78-80页 |
| 5.3.1 时域金字塔分解 | 第78-79页 |
| 5.3.2 频域金字塔低频表示 | 第79-80页 |
| 5.4 实验 | 第80-90页 |
| 5.4.1 在KTH数据集上的实验结果 | 第80-83页 |
| 5.4.2 在UCF YouTube数据集上的实验结果 | 第83-86页 |
| 5.4.3 在HMDB51数据集上的实验结果 | 第86-90页 |
| 5.5 本章小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-93页 |
| 6.1 工作总结 | 第91页 |
| 6.2 工作展望 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99-101页 |
| 作者简介 | 第101-102页 |
