| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 论文背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-19页 |
| 1.2.1 视频中人体活动特征概述 | 第12-15页 |
| 1.2.2 活动识别分类模型 | 第15-17页 |
| 1.2.3 视频人体活动检测 | 第17-18页 |
| 1.2.4 大数据下识别与检测研究进展 | 第18-19页 |
| 1.3 本文研究内容及结构安排 | 第19-20页 |
| 参考文献 | 第20-24页 |
| 第二章 运动定位人体活动检测方法 | 第24-29页 |
| 2.1 3D方向能量特征 | 第24-25页 |
| 2.2 方向能量特征的模板匹配 | 第25-27页 |
| 2.2.1 时空模板匹配 | 第25-26页 |
| 2.2.2 赋权值的模板匹配 | 第26页 |
| 2.2.3 高效匹配 | 第26-27页 |
| 2.3 整体算法设计以及复杂度分析 | 第27-28页 |
| 2.3.1 运动定位算法设计 | 第27-28页 |
| 2.3.2 复杂度分析 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于运动定位的Action Bank活动识别 | 第29-40页 |
| 3.1 人体活动中高层语义特征的提取 | 第29页 |
| 3.2 支撑向量机 | 第29-34页 |
| 3.2.1 支撑向量 | 第30-32页 |
| 3.2.2 核函数 | 第32-34页 |
| 3.2.3 多类分类问题 | 第34页 |
| 3.3 Action bank特征提取 | 第34-37页 |
| 3.3.1 基于运动定位的特征提取 | 第35-36页 |
| 3.3.2 特征生成 | 第36-37页 |
| 3.4 Action Bank存在的问题 | 第37-38页 |
| 3.4.1 人工挑选模板的弊端 | 第37-38页 |
| 3.4.2 模板匹配计算量大 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 参考文献 | 第39-40页 |
| 第四章 Action Bank模板学习方法研究 | 第40-60页 |
| 4.1 模板固定到模板学习的推广 | 第40-41页 |
| 4.2 谱聚类 | 第41-45页 |
| 4.2.1 图的矩阵表示 | 第41-43页 |
| 4.2.2 图谱划分准则 | 第43-45页 |
| 4.2.3 谱聚类算法 | 第45页 |
| 4.3 基于谱聚类的模板选择 | 第45-49页 |
| 4.3.1 候选模板的构造 | 第45-46页 |
| 4.3.2 视频显著性区域提取 | 第46-48页 |
| 4.3.3 模板选择算法 | 第48-49页 |
| 4.4 实验效果 | 第49-57页 |
| 4.4.1 实验数据库 | 第49-52页 |
| 4.4.2 模板选择参数设置 | 第52-53页 |
| 4.4.3 实验结果 | 第53-56页 |
| 4.4.4 模板选择时间消耗 | 第56-57页 |
| 4.4.5 实验结论 | 第57页 |
| 4.5 本章小结 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 第五章 积量化Action Bank快速算法 | 第60-70页 |
| 5.1 积量化 | 第60-64页 |
| 5.1.1 向量量化 | 第60-61页 |
| 5.1.2 乘积量化 | 第61-63页 |
| 5.1.3 使用积量化编码的距离计算 | 第63-64页 |
| 5.2 积量化在 3D能量特征中的使用 | 第64-66页 |
| 5.2.1 3D积量化器的训练 | 第64-65页 |
| 5.2.2 积量化模板匹配 | 第65-66页 |
| 5.3 算法流程及复杂度分析 | 第66-68页 |
| 5.3.1 积量化Action Bank整体算法设计 | 第66-67页 |
| 5.3.2 积量化Action Bank时间复杂度分析 | 第67-68页 |
| 5.4 实验效果 | 第68-69页 |
| 5.4.1 实验数据库及参数设置 | 第68页 |
| 5.4.2 实验结果 | 第68-69页 |
| 5.4.3 实验结论 | 第69页 |
| 5.5 本章小结 | 第69-70页 |
| 第六章 总结 | 第70-72页 |
| 6.1 本文总结 | 第70-71页 |
| 6.2 课题展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间取得的成果 | 第73-74页 |
