室内场景中的人体行为识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 2 室内人体行为识别关键算法概述 | 第16-33页 |
| 2.1 特征提取与表征 | 第16-24页 |
| 2.1.1 静态特征 | 第17-18页 |
| 2.1.2 动态特征 | 第18-20页 |
| 2.1.3 时空特征 | 第20-24页 |
| 2.2 行为识别方法 | 第24-29页 |
| 2.2.1 有监督式行为学习算法 | 第24-27页 |
| 2.2.2 无监督式行为学习算法 | 第27-29页 |
| 2.3 行为识别算法关键问题 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 3 基于时空深度特征的人体行为识别算法 | 第33-43页 |
| 3.1 算法概述 | 第33-35页 |
| 3.2 STDF特征提取 | 第35-37页 |
| 3.2.1 基于深度信息的显著性区域检测 | 第35-36页 |
| 3.2.2 区域活跃度检测 | 第36页 |
| 3.2.3 时空特征点提取 | 第36-37页 |
| 3.3 行为类型识别 | 第37页 |
| 3.4 实验设计与分析 | 第37-42页 |
| 3.4.1 实验设计 | 第37-38页 |
| 3.4.2 实验结果与分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 无监督式人体行为定位及识别算法 | 第43-59页 |
| 4.1 算法概述 | 第43-44页 |
| 4.2 谱聚类生成视觉单词 | 第44-45页 |
| 4.3 主题模型行为建模 | 第45-51页 |
| 4.3.1 pLSA主题模型的人体行为建模 | 第45-48页 |
| 4.3.2 LDA主题模型的人体行为建模 | 第48-51页 |
| 4.4 实验结果与分析 | 第51-58页 |
| 4.4.1 谱聚类单词数量对识别率的影响 | 第51-52页 |
| 4.4.2 不同时空特征的行为识别对比实验 | 第52-55页 |
| 4.4.3 无监督式人体行为序列定位及识别 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 论文工作总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59-60页 |
| 5.2 论文进一步工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-69页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第69页 |
