| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-27页 |
| ·研究背景及意义 | 第11-13页 |
| ·关键技术研究现状及发展趋势 | 第13-22页 |
| ·引言 | 第13-15页 |
| ·人体行为分析的研究现状 | 第15-21页 |
| ·人体行为分析存在的问题及其发展趋势 | 第21-22页 |
| ·本文的研究内容、研究方法及主要成果 | 第22-25页 |
| ·本文的结构安排 | 第25-27页 |
| 第二章 时空联合分析的运动人体区域分割 | 第27-53页 |
| ·引言 | 第27-28页 |
| ·常用运动目标检测算法的分析与比较 | 第28-37页 |
| ·背景差分法 | 第28-30页 |
| ·帧间差分法 | 第30-31页 |
| ·光流法 | 第31-33页 |
| ·背景差分法与帧间差分法的融合 | 第33-35页 |
| ·最小化能量法 | 第35-36页 |
| ·各种运动目标检测方法的比较 | 第36-37页 |
| ·时空联合分析的运动人体区域检测与分割 | 第37-46页 |
| ·运动人体区域的时序检测 | 第37-41页 |
| ·运动人体区域的空间分割 | 第41-46页 |
| ·运动目标的后期处理 | 第46-48页 |
| ·实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 人体行为特征的提取与描述 | 第53-75页 |
| ·引言 | 第53-54页 |
| ·表观行为特征描述方法 | 第54-62页 |
| ·运动信息描述方法 | 第55页 |
| ·人体轮廓描述方法 | 第55-59页 |
| ·人体区域描述方法 | 第59-61页 |
| ·时空特征描述方法 | 第61-62页 |
| ·人体模型行为特征描述方法 | 第62-67页 |
| ·线条图模型描述方法 | 第62-63页 |
| ·二维轮廓模型描述方法 | 第63-65页 |
| ·立体模型描述方法 | 第65-67页 |
| ·(?) 变换形状描述子和改进的质心-边界距离行为特征描述方法 | 第67-73页 |
| ·(?)变换形状描述子描述方法 | 第67-71页 |
| ·改进的质心-边界距离描述方法 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第四章 全局信息和局部兴趣点信息相结合的异常行为识别 | 第75-87页 |
| ·引言 | 第75-76页 |
| ·全局信息与局部兴趣点信息的提取与表示 | 第76-81页 |
| ·行为的全局运动信息提取 | 第77-78页 |
| ·行为的局部兴趣点运动信息提取 | 第78-81页 |
| ·基于加权串联的特征融合 | 第81页 |
| ·基于隐条件随机场的异常行为识别 | 第81-83页 |
| ·产生式模型的分析 | 第81-83页 |
| ·隐条件随机场在人体行为识别中的应用 | 第83页 |
| ·实验与分析 | 第83-86页 |
| ·小结 | 第86-87页 |
| 第五章 基于加权运动串的人体行为分类 | 第87-103页 |
| ·引言 | 第87-92页 |
| ·简单人体行为识别方法 | 第88-89页 |
| ·复杂人体行为识别方法 | 第89-92页 |
| ·关键帧提取 | 第92-97页 |
| ·人体姿态的描述与相似性度量 | 第93-94页 |
| ·谱系聚类算法 | 第94-95页 |
| ·关键帧提取仿真实验 | 第95-97页 |
| ·加权运动串的构建 | 第97-98页 |
| ·加权运动串的匹配与比较 | 第98-100页 |
| ·实验与分析 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 第六章 基于完全模糊支持向量机决策树的人体行为识别 | 第103-117页 |
| ·引言 | 第103-104页 |
| ·对支持向量机及模糊支持向量机的分析 | 第104-111页 |
| ·支持向量机 | 第104-107页 |
| ·支持向量机多值分类器 | 第107-110页 |
| ·模糊支持向量机 | 第110-111页 |
| ·完全模糊支持向量机决策树的构建 | 第111-113页 |
| ·基于模糊C 均值的行为聚类算法 | 第111-112页 |
| ·完全模糊支持向量机决策树的构建算法 | 第112-113页 |
| ·模糊支持向量机隶属度函数的确定 | 第113页 |
| ·实验与分析 | 第113-115页 |
| ·特征提取与描述 | 第113-114页 |
| ·行为识别 | 第114-115页 |
| ·本章小结 | 第115-117页 |
| 第七章 总结与展望 | 第117-121页 |
| ·本文总结 | 第117-118页 |
| ·展望未来 | 第118-121页 |
| 致谢 | 第121-123页 |
| 参考文献 | 第123-133页 |
| 作者在攻读博士学位期间完成的论文和科研工作 | 第133-135页 |
