| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的贡献及内容安排 | 第11-13页 |
| 第二章 行为识别相关技术 | 第13-30页 |
| 2.1 行为识别特征的提取 | 第14-23页 |
| 2.1.1 兴趣点检测 | 第14-16页 |
| 2.1.2 兴趣点特征的描述 | 第16-17页 |
| 2.1.3 poselet特征的提取 | 第17-19页 |
| 2.1.4 基于方向的三维梯度直方图 | 第19-22页 |
| 2.1.5 多种特征融合 | 第22-23页 |
| 2.2 基于词袋模型的行为描述 | 第23-26页 |
| 2.2.1 词袋模型简介 | 第24页 |
| 2.2.2 K-means聚类算法简介 | 第24-26页 |
| 2.2.3 基于特征的动作表示 | 第26页 |
| 2.3 分类算法简介 | 第26-29页 |
| 2.3.1 K近邻法 | 第26-27页 |
| 2.3.2 支持向量机简介 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于改进的姿态特征的群体行为识别 | 第30-43页 |
| 3.1 特征描述符的提取 | 第31-37页 |
| 3.1.1 姿态特征的提取 | 第31-35页 |
| 3.1.2 提取梯度特征 | 第35-37页 |
| 3.2 基于码字权重的行为表示 | 第37-39页 |
| 3.3 群体行为识别结果与分析 | 第39-42页 |
| 3.3.1 Collective Activity Dataset 1 实验结果与分析 | 第39-40页 |
| 3.3.2 Collective Activity Dataset 2 实验结果与分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于属性的群体行为识别 | 第43-54页 |
| 4.1 行为底层特征描述符 | 第44页 |
| 4.2 群体行为识别中属性的获取 | 第44-49页 |
| 4.2.1 获取人工标定属性 | 第45-47页 |
| 4.2.2 数据驱动属性的学习 | 第47-49页 |
| 4.3 群体行为的表示 | 第49-50页 |
| 4.4 群体行为识别结果与分析 | 第50-53页 |
| 4.4.1 Collective Activity Dataset 1 实验结果与分析 | 第50-52页 |
| 4.4.2 Collective Activity Dataset 2 实验结果与分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文总结 | 第54-55页 |
| 5.2 工作展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
