| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 论文的主要研究内容和章节安排 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19页 |
| 1.3.2 章节安排 | 第19-21页 |
| 第二章 人体行为识别方法及发展现状分析 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 人体行为识别常用数据库介绍 | 第21-23页 |
| 2.2.1 Weizmann数据库 | 第21页 |
| 2.2.2 KTH数据库 | 第21-22页 |
| 2.2.3 UCF_Sports数据库 | 第22页 |
| 2.2.4 YouTube数据库 | 第22-23页 |
| 2.3 行为识别概述 | 第23-29页 |
| 2.3.1 目标提取方法 | 第23-25页 |
| 2.3.2 特征表示方法 | 第25-27页 |
| 2.3.3 行为分类方法 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 构建基于时空梯度自相关的运动特征 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 光流经典提取算法 | 第31-38页 |
| 3.2.1 光流介绍 | 第31-33页 |
| 3.2.2 经典的光流计算方法 | 第33-35页 |
| 3.2.3 优化的稠密光流特征点提取算法 | 第35-38页 |
| 3.3 梯度局部自相关 | 第38-39页 |
| 3.3.1 图像梯度和曲率 | 第38页 |
| 3.3.2 梯度局部自相关 | 第38-39页 |
| 3.4 时空梯度自相关 | 第39-42页 |
| 3.4.1 时空方向编码向量 | 第40页 |
| 3.4.2 时空梯度自相关 | 第40-41页 |
| 3.4.3 特征归一化 | 第41-42页 |
| 3.5 构建 3DFACOG与 3DFACOFG特征 | 第42-43页 |
| 3.5.1 构建时空梯度自相关特征 | 第42页 |
| 3.5.2 构建光流时空梯度自相关特征 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 一种时空梯度自相关的人体行为识别算法 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 行为识别构架 | 第45-46页 |
| 4.3 基于PCA的特征降维 | 第46-47页 |
| 4.4 改进的BOW模型 | 第47-48页 |
| 4.4.1 词袋模型 | 第47-48页 |
| 4.4.2 加入权值的直方图描述子构建 | 第48页 |
| 4.5 分类器的选择 | 第48-52页 |
| 4.5.1 分类器介绍 | 第48-49页 |
| 4.5.2 支持向量机 | 第49-51页 |
| 4.5.3 SVM多分类 | 第51-52页 |
| 4.6 实验与分析 | 第52-55页 |
| 4.6.1 参数设置 | 第52页 |
| 4.6.2 词袋模型与改进的词袋模型对比实验 | 第52-53页 |
| 4.6.3 3DFACOG和 3DFACOFG实验 | 第53-54页 |
| 4.6.4 特征级融合实验 | 第54页 |
| 4.6.5 本文与参考文献的对比分析 | 第54-55页 |
| 4.7 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 未来展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65-66页 |