| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题依据和意义 | 第11-13页 |
| ·国内外研究现状及发展趋势 | 第13-15页 |
| ·本文研究内容与结构安排 | 第15-17页 |
| 第二章 传统的人体动作行为识别方法 | 第17-27页 |
| ·人体动作行为识别中的行为类别与视频描述 | 第17-25页 |
| ·单层法视频特征提取与描述 | 第18-22页 |
| ·分层法视频特征提取与描述 | 第22-24页 |
| ·基于方向直方图视频特征提取与描述 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章 PM-PEMO 时空金字塔特征提取与描述 | 第27-40页 |
| ·PEMO 各种子描述符及PM 全局特征构造 | 第28-36页 |
| ·构造基于像素变化概率图(PCPM)的时域描述符 | 第28-32页 |
| ·构造基于边缘方向直方图（EOH）的空域描述符 | 第32-34页 |
| ·构造基于运动方向直方图（MOH）的时域描述符 | 第34-35页 |
| ·光流梯度方向直方图(HOOF) | 第35-36页 |
| ·局部 PEMO 时空金字塔特征构造 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 人体动作行为特征学习训练与识别 | 第40-66页 |
| ·特征机器学习 | 第40-46页 |
| ·在线字典学习与SPCA 特征降维 | 第40-42页 |
| ·平移不变性局部约束线性编码 | 第42-46页 |
| ·行为特征分类识别 | 第46-55页 |
| ·多任务大边界最近邻与支持向量机行为识别方法 | 第47-50页 |
| ·其它识别方法 | 第50-55页 |
| ·实验结果 | 第55-65页 |
| ·网络数据库及其与KTH 混合数据库用LDA 模型识别结果 | 第55-56页 |
| ·IVIPC 视频数据库识别结果与分析 | 第56-57页 |
| ·IVIPC 与 KTH 混合视频数据库识别结果与分析 | 第57-59页 |
| ·Weizmann 与 KTH 视频数据库识别结果及其与一些方法比较 | 第59-61页 |
| ·在线识别与各视频数据库识别结果画面展示 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 行为识别软件实现 | 第66-68页 |
| ·软件系统展示 | 第66-67页 |
| ·功能简介 | 第67-68页 |
| 第六章 工作总结与展望 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-78页 |
| 攻读硕士期间取得的研究成果 | 第78-79页 |
