| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 背景和意义 | 第8-10页 |
| 1.2 课题国内外研究现状 | 第10-11页 |
| 1.2.1 生成式模型和判别式模型 | 第10-11页 |
| 1.2.2 单层模型和多层模型 | 第11页 |
| 1.3 论文结构 | 第11-13页 |
| 第二章 人体行为识别的基本理论和相关工作 | 第13-24页 |
| 2.1 基于传统方法的人体行为识别 | 第13-18页 |
| 2.1.1 基于模板匹配的方法 | 第13-14页 |
| 2.1.2 基于状态空间的方法 | 第14-18页 |
| 2.2 基于深度学习的人体行为识别 | 第18-23页 |
| 2.2.1 基于卷积神经网络的识别模型 | 第18-21页 |
| 2.2.2 基于递归神经网络的识别模型 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于深度学习框架的人体行为识别 | 第24-36页 |
| 3.1 3 D卷积神经网络和卷积LSTM | 第24-28页 |
| 3.1.1 3 D卷积神经网络 | 第24-26页 |
| 3.1.2 卷积LSTM | 第26-28页 |
| 3.2 数据集简介 | 第28-31页 |
| 3.2.1 数据集介绍 | 第28-30页 |
| 3.2.2 数据预处理操作 | 第30-31页 |
| 3.3 实验过程与结果分析 | 第31-35页 |
| 3.3.1 实验过程 | 第31-33页 |
| 3.3.2 结果分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于双层条件随机场的人体行为识别 | 第36-55页 |
| 4.1 条件随机场简介 | 第36-39页 |
| 4.1.1 条件随机场理论 | 第36-37页 |
| 4.1.2 基于双层条件随机场人体行为识别框架 | 第37-39页 |
| 4.2 双层条件随机场模型 | 第39-42页 |
| 4.2.1 底层结构及其势能函数 | 第39-41页 |
| 4.2.2 顶层结构及其势能函数 | 第41页 |
| 4.2.3 双层条件随机场 | 第41-42页 |
| 4.3 模型推理 | 第42-45页 |
| 4.3.1 精确推理理论 | 第43-44页 |
| 4.3.2 双层条件随机场的模型推理 | 第44-45页 |
| 4.4 基于Cutting-plane的DL-CRFs模型学习 | 第45-47页 |
| 4.5 实验过程与结果分析 | 第47-54页 |
| 4.5.1 实验过程 | 第47-49页 |
| 4.5.2 实验结果分析 | 第49-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 基于间隙采样-BCFW的DL-CRFs模型学习 | 第55-69页 |
| 5.1 结构化支持向量机 | 第55-60页 |
| 5.1.1 结构化机器学习简介 | 第55-56页 |
| 5.1.2 支持向量机 | 第56-58页 |
| 5.1.3 结构化支持向量机 | 第58-60页 |
| 5.2 结构化支持向量机的优化方法 | 第60-65页 |
| 5.2.1 BCFW算法 | 第60-63页 |
| 5.2.2 基于间隙采样的BCFW算法 | 第63-65页 |
| 5.3 实验过程与结果分析 | 第65-68页 |
| 5.3.1 实验过程 | 第65-66页 |
| 5.3.2 结果分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录1 攻读硕士学位期间申请的专利 | 第75-76页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第76-77页 |
| 致谢 | 第77页 |