复杂场景下的动作识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 动作识别研究现状 | 第10-15页 |
| 1.2.1 动作识别研究现状 | 第10-14页 |
| 1.2.2 相关研究中存在的问题 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 动作识别的相关理论 | 第17-30页 |
| 2.1 HoG 描述子 | 第17-19页 |
| 2.1.1 HoG 主要思想 | 第17页 |
| 2.1.2 HoG 具体实现方法 | 第17-18页 |
| 2.1.3 HoG 优点 | 第18-19页 |
| 2.2 K-means 算法 | 第19-20页 |
| 2.2.1 问题 | 第19页 |
| 2.2.2 算法原理 | 第19-20页 |
| 2.3 支持向量机 | 第20-29页 |
| 2.3.1 线性分类器 | 第20-24页 |
| 2.3.2 优化求解 | 第24-25页 |
| 2.3.3 线性不可分的情况 | 第25-27页 |
| 2.3.4 核函数 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 基于随机取样的动作识别 | 第30-48页 |
| 3.1 想法来源 | 第30-34页 |
| 3.2 基于 BOF 模型的图像识别 | 第34-38页 |
| 3.2.1 BoF 模型描述 | 第34页 |
| 3.2.2 BoF 模型应用 | 第34-38页 |
| 3.3 带有时空信息的 PATCH | 第38-39页 |
| 3.3.1 时空 patch 的提出 | 第38-39页 |
| 3.3.2 关键代码及分析 | 第39页 |
| 3.4 动作识别的取样策略 | 第39-41页 |
| 3.4.1 随机取样在动作识别中的应用 | 第39-40页 |
| 3.4.2 取样策略的选择 | 第40-41页 |
| 3.5 实验所用数据库 | 第41-45页 |
| 3.5.1 HMDB51 数据库 | 第41-43页 |
| 3.5.2 UCF50 数据库 | 第43-45页 |
| 3.6 实验 | 第45-47页 |
| 3.6.1 实验设置 | 第45页 |
| 3.6.2 实验过程 | 第45-46页 |
| 3.6.3 实验结果 | 第46-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第4章 取样策略的优化 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 定义变量 | 第49-50页 |
| 4.3 取样策略的优化 | 第50-52页 |
| 4.4 探索最优排序方法 | 第52-54页 |
| 4.4.1 主要的排序方法 | 第52页 |
| 4.4.2 排序方法的选择 | 第52-54页 |
| 4.5 实验 | 第54-56页 |
| 4.5.1 实验设置 | 第54页 |
| 4.5.2 实验过程 | 第54-55页 |
| 4.5.3 实验结果 | 第55-56页 |
| 4.6 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |
