| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题的背景与研究意义 | 第12-13页 |
| 1.2 相关问题研究现状 | 第13-19页 |
| 1.2.1 物体功能属性研究现状 | 第13-15页 |
| 1.2.2 基于视觉的物体检测与追踪算法研究现状 | 第15-17页 |
| 1.2.3 基于视觉的人体行为识别研究现状 | 第17-18页 |
| 1.2.4 人体行为识别研究现状分析 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 论文的章节安排 | 第20-22页 |
| 第二章 基于物体视觉属性的中间表示层研究 | 第22-34页 |
| 2.1 物体视觉属性研究 | 第22-24页 |
| 2.2 物体视觉属性分类算法研究 | 第24-30页 |
| 2.2.1 基于多种组合特征的视觉属性分类算法 | 第24-28页 |
| 2.2.2 基于无监督特征学习的视觉属性分类算法 | 第28-30页 |
| 2.3 物体视觉属性分类实验结果对比 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于马尔科夫逻辑网的物体网络模式表征与推理方法研究 | 第34-44页 |
| 3.1 基于马尔科夫逻辑网的物体网络模式表征构建 | 第34-36页 |
| 3.2 基于物体网络模式表征的物体功能属性推理 | 第36-38页 |
| 3.2.1 物体功能属性设计 | 第36-37页 |
| 3.2.2 物体功能属性推理框架 | 第37-38页 |
| 3.3 模型构建实验结果 | 第38-41页 |
| 3.4 本章小结 | 第41-44页 |
| 第四章 基于RGB-D视频的物体检测与追踪 | 第44-56页 |
| 4.1 基于视觉的物体检测方法研究 | 第44-47页 |
| 4.1.1 基于视觉的物体特征构建 | 第44-46页 |
| 4.1.2 基于SVM的物体检测方法研究 | 第46-47页 |
| 4.2 基于视觉的的物体追踪方法研究 | 第47-51页 |
| 4.2.1 基于粒子滤波的物体追踪 | 第47-50页 |
| 4.2.2 基于多次检测的物体追踪算法 | 第50-51页 |
| 4.3 物体检测与追踪实验 | 第51-54页 |
| 4.3.1 物体检测实验 | 第51-53页 |
| 4.3.2 物体追踪实验 | 第53-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 基于时空马尔科夫随机场的人体行为识别方法研究 | 第56-68页 |
| 5.1 基于子行为划分的视频分割 | 第56-57页 |
| 5.2 构造人体行为特征 | 第57-59页 |
| 5.3 基于时空马尔科夫随机场的人体行为表征模型研究 | 第59-64页 |
| 5.3.1 时空块模型 | 第59-60页 |
| 5.3.2 基于S-TMRF的人体行为模型构建 | 第60-63页 |
| 5.3.3 基于S-TMRF推理的人体行为识别 | 第63-64页 |
| 5.4 实验结果及分析 | 第64-65页 |
| 5.5 本章小结 | 第65-68页 |
| 第六章 工作总结与展望 | 第68-70页 |
| 6.1 工作总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-78页 |
| 致谢 | 第78-80页 |
| 硕士期间参加的科研工作 | 第80-81页 |
| 学位论文评阅及答辩情况表 | 第81页 |
