| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 研究现状与发展趋势 | 第11-13页 |
| 1.3 面临的主要挑战 | 第13页 |
| 1.4 本文的主要工作 | 第13-14页 |
| 1.5 论文的组织结构 | 第14-16页 |
| 第2章 视频时空兴趣点的特征提取方法研究 | 第16-27页 |
| 2.1 人体行为识别的模型 | 第16-18页 |
| 2.1.1 人体行为识别的视频数据集 | 第16-17页 |
| 2.1.2 人体行为识别的模型 | 第17-18页 |
| 2.2 局部时空特征提取技术 | 第18-21页 |
| 2.2.1 Cuboids局部时空兴趣点提取算法 | 第19页 |
| 2.2.2 Harris3D局部时空兴趣点提取算法 | 第19-20页 |
| 2.2.3 局部时空兴趣点与局部时空立方体 | 第20-21页 |
| 2.3 实验结果与分析 | 第21-26页 |
| 2.3.1 实验环境 | 第21-22页 |
| 2.3.2 兴趣点提取情况比较 | 第22-24页 |
| 2.3.3 空间尺度参数与时间尺度参数 | 第24-25页 |
| 2.3.4 Harris3D算法与Cuboids算法识别效果比较 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 视频时空兴趣点的结构化特征描述算法 | 第27-36页 |
| 3.1 问题描述 | 第27-28页 |
| 3.2 基于结构特征的描述算法相关研究 | 第28-30页 |
| 3.2.1 平面纹理特征描述算法LBP | 第28页 |
| 3.2.2 三维纹理特征描述算法LBP-TOP | 第28-29页 |
| 3.2.3 结构差异化的纹理特征描述算法TLBP | 第29-30页 |
| 3.3 综合结构的局部时空特征描述算法DT-LBP-TOP | 第30-32页 |
| 3.3.1 DT-LBP-TOP设计原理 | 第30-31页 |
| 3.3.2 DT-LBP-TOP算法流程 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-35页 |
| 3.4.1 实验环境 | 第33页 |
| 3.4.2 噪声平滑对识别精度的影响 | 第33页 |
| 3.4.3 邻域结构信息对识别精度的影响 | 第33-34页 |
| 3.4.4 多维度的结构特征综合描述对精度的影响 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于兴趣点词汇树的金字塔模型改进算法 | 第36-46页 |
| 4.1 人体行为识别的分类方法 | 第36-37页 |
| 4.2 基于原始词袋模型的人体识别分类 | 第37页 |
| 4.2.1 词袋模型建立过程 | 第37页 |
| 4.2.2 词袋模型建立中的缺陷 | 第37页 |
| 4.3 基于兴趣点词汇树的金字塔模型识别分类算法 | 第37-42页 |
| 4.3.1 构建视觉字典 | 第38-40页 |
| 4.3.2 时空金字塔词汇树 | 第40-41页 |
| 4.3.3 基于金字塔匹配核函数计算相似度 | 第41-42页 |
| 4.4 实验结果及分析 | 第42-45页 |
| 4.4.1 实验环境 | 第42页 |
| 4.4.2 字典编码的识别精度比较 | 第42-43页 |
| 4.4.3 词袋模型对识别精度的影响 | 第43页 |
| 4.4.4 词汇树个数与子集规模对识别精度的影响 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 学生课堂行为识别应用研究 | 第46-51页 |
| 5.1 行为识别教学过程应用场景 | 第46-47页 |
| 5.1.1 学生课堂行为的意义 | 第46页 |
| 5.1.2 学生课堂行为数据集设计 | 第46-47页 |
| 5.2 实验结果与分析 | 第47-50页 |
| 5.2.1 实验环境 | 第47-48页 |
| 5.2.2 空间尺度参数与时间尺度参数 | 第48-49页 |
| 5.2.3 DT-LBP-TOP描述方式对识别精度的影响 | 第49页 |
| 5.2.4 时空金字塔词汇树模型与原始词袋模型识别精度比较 | 第49-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 在读期间发表的学术论文与研究成果 | 第58-59页 |
| 致谢 | 第59页 |
