基于视频的人体动作识别方法研究
| 目录 | 第4-6页 |
| TABLE OF CONTENTS | 第6-8页 |
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 面临的问题和挑战 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 1.5 本文组织结构 | 第18-19页 |
| 第二章 动作识别方法概述 | 第19-26页 |
| 2.1 基于人体模型的方法 | 第19页 |
| 2.2 基于全局特征的方法 | 第19-22页 |
| 2.2.1 基于形状模板和轮廓信息的方法 | 第20-21页 |
| 2.2.2 基于光流的方法 | 第21-22页 |
| 2.3 基于局部特征的方法 | 第22-25页 |
| 2.3.1 特征点检测 | 第22-23页 |
| 2.3.2 特征点描述 | 第23-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 视频特征提取与描述 | 第26-38页 |
| 3.1 轨迹特征 | 第26-35页 |
| 3.1.1 轨迹提取 | 第28-32页 |
| 3.1.2 轨迹描述 | 第32-35页 |
| 3.2 场景特征 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 动作建模及分类 | 第38-45页 |
| 4.1 词袋模型 | 第38-40页 |
| 4.2 基于多核学习的特征融合 | 第40-43页 |
| 4.3 基于SVM的多类分类 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 实验结果及分析 | 第45-53页 |
| 5.1 常用的人体动作数据集 | 第45-47页 |
| 5.1.1 Weizmann动作数据集 | 第45页 |
| 5.1.2 UCF动作数据集 | 第45页 |
| 5.1.3 YouTube动作数据集 | 第45-46页 |
| 5.1.4 Hollywood动作数据集 | 第46-47页 |
| 5.2 评价标准 | 第47页 |
| 5.3 实验设置 | 第47-48页 |
| 5.4 结果分析 | 第48-52页 |
| 5.4.1 不同描述符的评价 | 第48-49页 |
| 5.4.2 实验结果分析及比较 | 第49-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文工作总结 | 第53页 |
| 6.2 未来工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61-62页 |
| 攻读学位期间参与的科研项目 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
