基于改进稠密轨迹的人体行为识别方法研究
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及难点 | 第9-12页 |
| 1.2.1 人体行为识别的研究现状 | 第9-11页 |
| 1.2.2 人体行为识别的研究难点 | 第11-12页 |
| 1.3 本文章节安排 | 第12-14页 |
| 第二章 显著性检测算法 | 第14-26页 |
| 2.1 显著性特征描述 | 第14-15页 |
| 2.2 空间显著性检测 | 第15-17页 |
| 2.2.1 Itti模型 | 第15-16页 |
| 2.2.2 统计模型 | 第16-17页 |
| 2.3 时间显著性检测 | 第17-20页 |
| 2.3.1 运动特征提取方法 | 第18-19页 |
| 2.3.2 时间显著性模型 | 第19-20页 |
| 2.4 时空显著性检测 | 第20-24页 |
| 2.4.1 时空显著图的融合方法 | 第20-21页 |
| 2.4.2 视频显著性检测算法 | 第21-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 改进稠密轨迹的提取 | 第26-38页 |
| 3.1 特征点的检测 | 第26-30页 |
| 3.1.1 Harris角点检测 | 第26-27页 |
| 3.1.2 SIFT特征点检测 | 第27-29页 |
| 3.1.3 稠密特征点检测 | 第29-30页 |
| 3.2 特征点的跟踪 | 第30-34页 |
| 3.2.1 KLT特征点跟踪算法 | 第30-31页 |
| 3.2.2 稠密光流场的建立 | 第31-33页 |
| 3.2.3 基于稠密光流场的特征点跟踪 | 第33-34页 |
| 3.3 相机运动消除 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 描述符的选取 | 第38-44页 |
| 4.1 轨迹形状描述符 | 第38页 |
| 4.2 结构和运动描述符 | 第38-41页 |
| 4.2.1 梯度方向直方图 | 第39-41页 |
| 4.2.2 光流直方图 | 第41页 |
| 4.2.3 运动边界直方图 | 第41页 |
| 4.3 实验结果与分析 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 人体行为的描述与识别 | 第44-58页 |
| 5.1 人体行为的描述 | 第44-48页 |
| 5.1.1 词袋模型(BOW) | 第44-45页 |
| 5.1.2 Fisher向量模型 | 第45-48页 |
| 5.2 人体行为的识别 | 第48-53页 |
| 5.2.1 K最近邻算法 | 第48-49页 |
| 5.2.2 支持向量机 | 第49-51页 |
| 5.2.3 支持向量机多分类问题 | 第51-53页 |
| 5.3 实验结果与分析 | 第53-56页 |
| 5.3.1 实验数据集的选取 | 第53页 |
| 5.3.2 改进稠密轨迹与稠密轨迹比较 | 第53-54页 |
| 5.3.3 Fisher向量模型和BOW模型比较 | 第54-55页 |
| 5.3.4 与其他文献方法比较 | 第55-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 发表论文和参加科研情况 | 第64-66页 |
| 致谢 | 第66页 |
