| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-19页 |
| ·背景和意义 | 第12-13页 |
| ·人体行为的定义 | 第13-14页 |
| ·人体行为识别的挑战性 | 第14-15页 |
| ·常用数据集介绍 | 第15-17页 |
| ·Weizmann 人体行为数据集 | 第15页 |
| ·KTH 人体行为数据集 | 第15页 |
| ·UCF YouTube 体育活动数据集 | 第15-16页 |
| ·Olympic 体育数据集 | 第16-17页 |
| ·Hollywood 人体行为据集 | 第17页 |
| ·本文的主要内容 | 第17-19页 |
| 第二章 基于局部时空特征的行为描述 | 第19-36页 |
| ·人体行为识别方法概述 | 第19-20页 |
| ·行为描述方法概述 | 第20页 |
| ·行为描述的整体表示 | 第20-22页 |
| ·行为描述的局部表示 | 第22-29页 |
| ·时空兴趣点检测 | 第22-27页 |
| ·Harris3D 检测器 | 第23-26页 |
| ·Dollár 检测器 | 第26-27页 |
| ·描述子 | 第27-29页 |
| ·HOG3D 描述子 | 第27-28页 |
| ·HOG/HOF 描述子 | 第28页 |
| ·立方体描述子 | 第28-29页 |
| ·本文的局部时空特征检测和描述子 | 第29-35页 |
| ·本文的时空兴趣点检测器 | 第29-33页 |
| ·积分图像 | 第29页 |
| ·快速 Hessian 检测器 | 第29-31页 |
| ·尺度空间表示 | 第31-32页 |
| ·精确的兴趣点定位 | 第32页 |
| ·本文的时空兴趣点 | 第32-33页 |
| ·本文的描述子 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 人体行为建模以及分类 | 第36-54页 |
| ·人体行为建模及分类概述 | 第36-39页 |
| ·生成模型 | 第36页 |
| ·判别模型 | 第36-37页 |
| ·分类器 | 第37-39页 |
| ·K-Nearest neighbor 分类器（KNN） | 第37-38页 |
| ·SVM | 第38-39页 |
| ·词袋模型 | 第39-41页 |
| ·词袋模型理论 | 第39-41页 |
| ·基于词袋模型的人体行为识别 | 第41页 |
| ·Latent Dirichlet Allocation (LDA) | 第41-46页 |
| ·LDA 原理 | 第41-45页 |
| ·基于 LDA 的人体行为识别 | 第45-46页 |
| ·实验以及结果分析 | 第46-52页 |
| ·实验一：基于词袋模型的人体行为识别 | 第46-50页 |
| ·时空兴趣点检测 | 第46-48页 |
| ·词典建立 | 第48-49页 |
| ·交叉验证 | 第49页 |
| ·实验结果及分析 | 第49-50页 |
| ·实验二：基于 LDA 的人体行为识别 | 第50-51页 |
| ·分类结果对比 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于关键帧提取的打架行为检测 | 第54-59页 |
| ·关键帧提取 | 第54-56页 |
| ·关键帧提取概述 | 第54-55页 |
| ·本文的关键帧提取技术 | 第55-56页 |
| ·打架行为检测 | 第56-58页 |
| ·打架行为检测方法概述 | 第56-57页 |
| ·基于关键帧提取的打架行为检测 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| ·论文工作总结 | 第59页 |
| ·未来工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士期间发表的论文 | 第66-67页 |