| 摘要 | 第6-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 人体特征识别技术的发展与应用现状 | 第15-17页 |
| 1.2.2 人体特征识别的关键技术及存在问题 | 第17-21页 |
| 1.3 本文研究内容和结构 | 第21-23页 |
| 第二章 非线性降维方法及其降维效果评价 | 第23-35页 |
| 2.1 概述 | 第23页 |
| 2.2 非线性降维方法 | 第23-30页 |
| 2.2.1 基于全谱技术的方法 | 第24-26页 |
| 2.2.2 基于稀疏谱技术的方法 | 第26-27页 |
| 2.2.3 基于非凸技术的方法 | 第27-28页 |
| 2.2.4 降维方法的比较 | 第28-30页 |
| 2.3 基于可信赖性和连续性的降维效果评价 | 第30-31页 |
| 2.3.1 降维过程中的两类误差 | 第30页 |
| 2.3.2 可视化关系的可信赖性 | 第30页 |
| 2.3.3 原邻域的保持性 | 第30-31页 |
| 2.4 仿真实验与对比分析 | 第31-34页 |
| 2.5 小结 | 第34-35页 |
| 第三章 基于局部约束字典学习的数据降维和重构 | 第35-53页 |
| 3.1 概述 | 第35-36页 |
| 3.2 问题的提出 | 第36-37页 |
| 3.2.1 数据降维问题描述 | 第36页 |
| 3.2.2 字典学习和稀疏表示 | 第36-37页 |
| 3.3 局部约束字典学习(LCDL)算法 | 第37-43页 |
| 3.3.1 LCDL算法的数学模型 | 第37-41页 |
| 3.3.2 LCDL算法的优化过程 | 第41-43页 |
| 3.4 基于LCDL的数据降维和重构方法 | 第43-45页 |
| 3.4.1 基于LCDL的数据降维 | 第43-44页 |
| 3.4.2 基于LCDL的数据重构 | 第44-45页 |
| 3.5 实验及结果分析 | 第45-51页 |
| 3.5.1 增量化降维实验 | 第45-49页 |
| 3.5.2 高维数据重构实验 | 第49-51页 |
| 3.6 小结 | 第51-53页 |
| 第四章 基于局部约束字典学习的图像分类方法 | 第53-68页 |
| 4.1 引言 | 第53-54页 |
| 4.2 基于LCDL的图像分类策略 | 第54-55页 |
| 4.3 图像分类实验及结果分析 | 第55-67页 |
| 4.3.1 参数设置 | 第55-57页 |
| 4.3.2 人脸识别实验 | 第57-60页 |
| 4.3.3 性别分类实验 | 第60-61页 |
| 4.3.4 目标分类实验 | 第61-67页 |
| 4.4 小结 | 第67-68页 |
| 第五章 基于类能量图和PHOG融合特征的人体行为识别方法 | 第68-100页 |
| 5.1 引言 | 第68-70页 |
| 5.2 方法的整体框架 | 第70-71页 |
| 5.3 人体行为特征提取 | 第71-83页 |
| 5.3.1 传统类能量图 | 第71-73页 |
| 5.3.2 改进的类能量图 | 第73-79页 |
| 5.3.3 PHOG特征提取及融合 | 第79-83页 |
| 5.4 人体行为特征识别 | 第83-90页 |
| 5.4.1 前向分步算法 | 第84-85页 |
| 5.4.2 Adaboost算法 | 第85页 |
| 5.4.3 Real Adaboost算法 | 第85-88页 |
| 5.4.4 LUT型弱分类器 | 第88-89页 |
| 5.4.5 多类别LUT-Real Adaboost分类器设计 | 第89-90页 |
| 5.5 实验与结果分析 | 第90-98页 |
| 5.5.1 参数设置 | 第91-92页 |
| 5.5.2 人体行为特征描述方法的性能比较 | 第92-95页 |
| 5.5.3 多类别LUT-Real Adaboost分类器的性能比较 | 第95-98页 |
| 5.6 小结 | 第98-100页 |
| 第六章 基于二维时空模板的人体行为识别方法 | 第100-122页 |
| 6.1 引言 | 第100-101页 |
| 6.2 二维时空模板 | 第101-104页 |
| 6.3 基于LLC的人体行为识别方法 | 第104-112页 |
| 6.3.1 方法的整体框架 | 第104-105页 |
| 6.3.2 多层次patches描述符 | 第105-107页 |
| 6.3.3 特征编码方法概述 | 第107页 |
| 6.3.4 局部约束线性编码(LLC)方法 | 第107-112页 |
| 6.4 基于LLC的人体行为识别实验 | 第112-115页 |
| 6.4.1 参数设置 | 第112页 |
| 6.4.2 不同数据集上的识别性能比较 | 第112-115页 |
| 6.5 基于LCDL的人体行为识别实验 | 第115-121页 |
| 6.5.1 参数设置 | 第116-117页 |
| 6.5.2 不同数据集上的识别性能比较 | 第117-119页 |
| 6.5.3 混淆矩阵分析 | 第119-121页 |
| 6.6 小结 | 第121-122页 |
| 第七章 结论与展望 | 第122-125页 |
| 7.1 结论 | 第122-123页 |
| 7.2 进一步研究方向 | 第123-125页 |
| 参考文献 | 第125-136页 |
| 作者在攻读博士学位期间公开发表的论文 | 第136-138页 |
| 作者在攻读博士学位期间所作的项目 | 第138-139页 |
| 致谢 | 第139页 |
