| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文结构安排 | 第13-14页 |
| 第二章 人体行为识别基本理论 | 第14-19页 |
| 2.1 引言 | 第14页 |
| 2.2 运动目标检测 | 第14-15页 |
| 2.3 运动目标跟踪 | 第15-18页 |
| 2.3.1 Kalman滤波器 | 第16-17页 |
| 2.3.2 MeanShift跟踪算法 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 行为识别的常见方法 | 第19-27页 |
| 3.1 引言 | 第19-20页 |
| 3.2 基于单词包算法的行为识别 | 第20-22页 |
| 3.2.1 特征检测 | 第21页 |
| 3.2.2 特征表示 | 第21-22页 |
| 3.3 基于隐马尔可夫的行为识别 | 第22-25页 |
| 3.4 基于动态贝叶斯网络的行为识别 | 第25页 |
| 3.5 基于光流模板的方法 | 第25-26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 基于小波矩和区域光流特征的人体行为识别 | 第27-38页 |
| 4.1 引言 | 第27页 |
| 4.2 运动历史图像和运动能量图像 | 第27-28页 |
| 4.2.1 运动历史图像 | 第27-28页 |
| 4.2.2 运动能量图像 | 第28页 |
| 4.3 特征提取 | 第28-34页 |
| 4.3.1 小波矩特征 | 第28-31页 |
| 4.3.2 区域光流特征 | 第31-34页 |
| 4.4 结合区域光流特征和小波矩的动作识别 | 第34-37页 |
| 4.4.1 方法描述 | 第34-35页 |
| 4.4.2 实验结果分析 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 基于最大光流图像和运动历史图像的行为识别方法 | 第38-48页 |
| 5.1 引言 | 第38页 |
| 5.2 最大光流图像 | 第38-41页 |
| 5.2.1 Farneb?ck光流计算 | 第38-41页 |
| 5.2.2 颜色表示 | 第41页 |
| 5.3 特征提取 | 第41-43页 |
| 5.4 支持向量机 | 第43-44页 |
| 5.5 基于最大光流图像和运动历史图像的行为识别 | 第44-47页 |
| 5.5.1 方法描述 | 第44-45页 |
| 5.5.2 实验结果分析 | 第45-47页 |
| 5.6 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 本文工作总结 | 第48页 |
| 6.2 未来工作展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间发表论文 | 第57页 |