| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 相关问题研究现状 | 第15-19页 |
| 1.2.1 特征选择及特征获取 | 第15-17页 |
| 1.2.2 行为理解层次模型 | 第17-18页 |
| 1.2.3 行为理解算法 | 第18-19页 |
| 1.3 问题分析及研究思路 | 第19-21页 |
| 1.4 本文主要研究内容 | 第21-23页 |
| 1.5 论文章节安排 | 第23-24页 |
| 第二章 智能空间下行走轨迹的获取 | 第24-40页 |
| 2.1 智能空间及实验环境简介 | 第24-25页 |
| 2.2 智能空间下的人体跟踪 | 第25-32页 |
| 2.2.1 运动人体：基于GMM检测运动前景 | 第25-29页 |
| 2.2.2 静态人体：结合PF及MeanShift维持搜索框 | 第29-32页 |
| 2.3 双目视觉定位 | 第32-34页 |
| 2.4 轨迹获取实验与分析 | 第34-37页 |
| 2.5 本章小结 | 第37-40页 |
| 第三章 轨迹分割及行为层次划分 | 第40-50页 |
| 3.1 轨迹预处理 | 第40-43页 |
| 3.1.1 平面空间离散化 | 第40-42页 |
| 3.1.2 基于Kalman滤波的轨迹异常处理 | 第42-43页 |
| 3.2 行走轨迹分割 | 第43-47页 |
| 3.2.1 基于关键点的轨迹分割 | 第44-45页 |
| 3.2.2 “滑动窗口”轨迹分割 | 第45-47页 |
| 3.3 基于轨迹分割的行为层次划分 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 Action层：基于HMM的行走动向在线预测 | 第50-66页 |
| 4.1 HMM简介及修正 | 第50-53页 |
| 4.1.1 HMM简介 | 第50-52页 |
| 4.1.2 针对“窗口”的模型修正 | 第52-53页 |
| 4.2 HMM学习及修正 | 第53-56页 |
| 4.2.1 Baum-Welch算法简介 | 第53-55页 |
| 4.2.2 针对“窗口"的训练修正 | 第55-56页 |
| 4.3 HMM实时评估及特殊处理 | 第56-60页 |
| 4.3.1 前向评估算法简介 | 第57页 |
| 4.3.2 评估时机的特殊处理 | 第57-58页 |
| 4.3.3 轨迹“正逆向”的特殊处理 | 第58-60页 |
| 4.4 实验与分析 | 第60-65页 |
| 4.4.1 Matlab离线验证实验 | 第61-63页 |
| 4.4.2 C++&OpenCV在线实验 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 Activity层：基于“栅格轨迹直方图”的复杂行为识别 | 第66-86页 |
| 5.1 二维“栅格轨迹直方图” | 第66-73页 |
| 5.1.1 一维“时序事件直方图” | 第66-68页 |
| 5.1.2 二维“栅格轨迹直方图”的定义及生成 | 第68-71页 |
| 5.1.3 复杂行为二维“栅格轨迹直方图”表示 | 第71-73页 |
| 5.2 二维“栅格轨迹直方图”重构历史轨迹 | 第73-77页 |
| 5.2.1 “栅格轨迹概率地图”及“最大概率轨迹” | 第73-76页 |
| 5.2.2 “直方图”自然语言初步翻译 | 第76-77页 |
| 5.3 直方图间相似度评价测度 | 第77-81页 |
| 5.3.1 静态bin-by-bin评价测度 | 第78-79页 |
| 5.3.2 动态cross-bin评价测度 | 第79-81页 |
| 5.4 复杂行为识别实验 | 第81-84页 |
| 5.5 本章小结 | 第84-86页 |
| 第六章 总结与展望 | 第86-88页 |
| 6.1 总结 | 第86-87页 |
| 6.2 展望 | 第87-88页 |
| 参考文献 | 第88-96页 |
| 致谢 | 第96-98页 |
| 硕士期间发表的论文和科研成果 | 第98页 |
| 硕士期间参加的科研工作 | 第98-99页 |
| 附件 | 第99页 |
