| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 人体行为识别的研究背景和意义 | 第9-10页 |
| 1.2 人体行为识别的研究现状与发展趋势 | 第10-13页 |
| 1.2.1 国内外相关领域研究现状 | 第10-11页 |
| 1.2.2 当前人体行为识别存在的主要挑战 | 第11-12页 |
| 1.2.3 人体行为识别发展趋势 | 第12-13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 论文的结构安排 | 第14-15页 |
| 第2章 基于视频的人体行为识别方法概述 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 人体行为特征提取方法 | 第15-20页 |
| 2.2.1 空间特征提取方法 | 第16-19页 |
| 2.2.2 时空特征提取方法 | 第19-20页 |
| 2.3 人体行为特征描述方法 | 第20-23页 |
| 2.3.1 不同特征性质的描述方法 | 第21页 |
| 2.3.2 不同空间尺度的描述方法 | 第21-23页 |
| 2.4 人体行为分类识别方法 | 第23-25页 |
| 2.4.1 词袋模型法 | 第24页 |
| 2.4.2 状态空间法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于时空兴趣点检测的人体行为特征提取方法分析 | 第26-35页 |
| 3.1 引言 | 第26-28页 |
| 3.1.1 时空特征提取方法的相关分析 | 第26-27页 |
| 3.1.2 时空兴趣点检测的相关术语 | 第27-28页 |
| 3.2 基于时空兴趣点检测的人体行为特征提取的实现 | 第28-29页 |
| 3.2.1 Dollar检测算法原理 | 第28-29页 |
| 3.2.2 时空兴趣点提取与cuboid生成步骤 | 第29页 |
| 3.3 实验研究与结果分析 | 第29-34页 |
| 3.3.1 实验环境与参数设置 | 第29-30页 |
| 3.3.2 实验结果分析 | 第30-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于局部时空信息的人体行为特征描述方法研究 | 第35-50页 |
| 4.1 引言 | 第35-38页 |
| 4.1.1 基于局部时空信息的人体行为特征描述 | 第35页 |
| 4.1.2 局部时空特征描述方法的相关研究 | 第35-38页 |
| 4.2 基于LBP-TOP的空间特征描述算法 | 第38-40页 |
| 4.2.1 LBP纹理特征描述算法 | 第38-39页 |
| 4.2.2 LBP-TOP特征描述算法 | 第39-40页 |
| 4.3 基于ST-LBP-TOP的时空特征描述算法 | 第40-44页 |
| 4.3.1 算法原理 | 第40-42页 |
| 4.3.2 算法流程 | 第42-44页 |
| 4.4 实验研究与结果分析 | 第44-49页 |
| 4.4.1 实验环境与参数设置 | 第44页 |
| 4.4.2 实验结果分析 | 第44-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于词袋模型的人体行为分类识别方法研究 | 第50-59页 |
| 5.1 引言 | 第50-53页 |
| 5.1.1 提出基于时空信息双词典的改进词袋模型 | 第50页 |
| 5.1.2 词袋模型(Bag-of-Words,BOW) | 第50-53页 |
| 5.2 基于改进词袋模型的人体行为建模方法 | 第53-55页 |
| 5.2.1 基于时空双词典的改进词袋模型 | 第53页 |
| 5.2.2 基于K-SVD优化算法的词典构造改进方法 | 第53-55页 |
| 5.3 实验研究与结果分析 | 第55-58页 |
| 5.3.1 实验环境与参数设置 | 第55-56页 |
| 5.3.2 实验结果分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |
