| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·课题应用背景 | 第11-13页 |
| ·智能视频监控 | 第11-12页 |
| ·高级人机交互 | 第12页 |
| ·体育性能分析 | 第12-13页 |
| ·基于内容的视频检索 | 第13页 |
| ·动作识别难点与挑战 | 第13-14页 |
| ·本文主要研究内容及贡献 | 第14-15页 |
| ·主要研究内容 | 第14页 |
| ·本文主要贡献 | 第14-15页 |
| ·本文组织结构 | 第15-16页 |
| 第2章 人体动作识别综述 | 第16-27页 |
| ·人体动作特征表示 | 第16-22页 |
| ·基于全局特征的动作表示 | 第16-19页 |
| ·基于局部特征的动作表示 | 第19-22页 |
| ·视角无关动作识别算法 | 第22-25页 |
| ·基于模板匹配的动作识别方法 | 第22-23页 |
| ·基于概率图模型的状态转移动作识别方法 | 第23-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 人体动作特征的视角鲁棒性测试研究 | 第27-38页 |
| ·人体动作的特征表示 | 第27-32页 |
| ·分区域剪影与分区域光流特征提取 | 第27-29页 |
| ·兴趣点视频段词袋直方图特征提取 | 第29-31页 |
| ·混合特征提取 | 第31-32页 |
| ·HMMs 动作识别算法 | 第32-33页 |
| ·实验过程、结果及分析 | 第33-36页 |
| ·常用的人体动作特征视角鲁棒性测试结果及分析 | 第34-36页 |
| ·混合特征视角鲁棒性测试实验结果及分析 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于多视角空间概率融合的 HMMs 动作识别方法 | 第38-46页 |
| ·多视角空间概率融合 HMMs 识别方法概述 | 第38-39页 |
| ·子视角空间下的人体动作建模 | 第39-40页 |
| ·多视角空间 HMMs 概率融合 | 第40-42页 |
| ·实验过程、结果及分析 | 第42-44页 |
| ·特定摄像机参数下多视角空间概率融合 HMMs 算法识别性能测试 | 第43页 |
| ·不同摄像机参数下多视角空间概率融合 HMMs 算法识别性能测试 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 基于多视角空间状态转换的 HMMs 动作识别方法 | 第46-54页 |
| ·基于多视角空间状态转换的图模型拓扑结构 | 第46-47页 |
| ·基于多视角空间状态转换的 HMMs 动作识别 | 第47-48页 |
| ·基于多视角空间状态转换的 HMMs 参数训练 | 第48-49页 |
| ·实验过程、结果及分析 | 第49-52页 |
| ·本章算法在特定摄像机参数下的识别性能测试 | 第49-50页 |
| ·本章算法在不同摄像机参数下的识别性能测试 | 第50-52页 |
| ·本章算法识别性能比较 | 第52页 |
| ·本章小结 | 第52-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第60页 |
