视频中人体行为预测的方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 本文研究工作 | 第16-17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第2章 相关研究 | 第19-29页 |
| 2.1 行为特征提取方法 | 第19-23页 |
| 2.1.1 静态特征 | 第20-21页 |
| 2.1.2 动态特征 | 第21页 |
| 2.1.3 时空特征 | 第21-22页 |
| 2.1.4 描述性特征 | 第22-23页 |
| 2.2 行为模型与分类方法 | 第23-24页 |
| 2.2.1 模板匹配方法 | 第23页 |
| 2.2.2 判别式方法 | 第23-24页 |
| 2.2.3 状态空间方法 | 第24页 |
| 2.3 模型评估与选择 | 第24-28页 |
| 2.3.1 评估方法 | 第24-27页 |
| 2.3.2 性能度量 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于稀疏编码和滑动窗口的预测算法 | 第29-50页 |
| 3.1 稀疏表示分类算法 | 第30-31页 |
| 3.2 概率预测模型 | 第31-41页 |
| 3.2.1 建立概率预测模型 | 第31-34页 |
| 3.2.2 视频表示模型 | 第34-36页 |
| 3.2.3 基于稀疏编码和滑动窗口的相似度算法 | 第36-41页 |
| 3.3 实验及分析 | 第41-49页 |
| 3.3.1 实验数据集 | 第41-42页 |
| 3.3.2 实验结果分析 | 第42-49页 |
| 3.4 本章小节 | 第49-50页 |
| 第4章 前向预测算法 | 第50-63页 |
| 4.1 特征优化算法 | 第51-56页 |
| 4.1.1 问题分析 | 第51-52页 |
| 4.1.2 特征优化算法 | 第52-56页 |
| 4.2 误差逆传播算法 | 第56-59页 |
| 4.3 实验及其结果分析 | 第59-62页 |
| 4.4 本章小节 | 第62-63页 |
| 结论 | 第63-66页 |
| 参考文献 | 第66-72页 |
| 附录A 攻读硕士学位期间所参与的项目 | 第72-73页 |
| 致谢 | 第73页 |
