视频中人体行为识别若干问题研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-33页 |
| 1.1 研究背景及意义 | 第13-16页 |
| 1.2 研究现状及存在问题 | 第16-28页 |
| 1.2.1 人体行为识别概述 | 第16-18页 |
| 1.2.2 人体行为的表征方法 | 第18-24页 |
| 1.2.2.1 基于人工设计特征的行为表征 | 第18-22页 |
| 1.2.2.2 基于深度学习特征的行为表征 | 第22-24页 |
| 1.2.3 人体行为的分类方法 | 第24-28页 |
| 1.2.3.1 基于判别模型的行为分类方法 | 第25-26页 |
| 1.2.3.2 基于生成模型的行为分类方法 | 第26-28页 |
| 1.3 研究内容及创新点 | 第28-30页 |
| 1.3.1 主要研究内容 | 第28-29页 |
| 1.3.2 主要创新点 | 第29-30页 |
| 1.4 本文的组织结构 | 第30-33页 |
| 第二章 基于单样本的行为识别与检测 | 第33-56页 |
| 2.1 相关研究及问题形成 | 第33-35页 |
| 2.2 方法概述 | 第35-36页 |
| 2.3 基于霍夫空间投票的行为表征 | 第36-40页 |
| 2.3.1 兴趣点提取 | 第36-37页 |
| 2.3.2 兴趣点匹配 | 第37-39页 |
| 2.3.3 匹配点对投票 | 第39页 |
| 2.3.4 位移直方图归一化 | 第39-40页 |
| 2.4 基于运动估计的行为检测 | 第40-43页 |
| 2.4.1 运动区域估计 | 第40-41页 |
| 2.4.2 行为匹配 | 第41-42页 |
| 2.4.3 行为定位 | 第42-43页 |
| 2.5 实验 | 第43-55页 |
| 2.5.1 行为表征的有效性 | 第43-44页 |
| 2.5.2 单实例行为检测 | 第44-47页 |
| 2.5.3 多实例行为检测 | 第47-49页 |
| 2.5.4 行为分类识别 | 第49-53页 |
| 2.5.4.1 Weizmann行为数据库 | 第50-51页 |
| 2.5.4.2 KTH行为数据库 | 第51-53页 |
| 2.5.5 时间复杂度 | 第53-55页 |
| 2.6 本章小结 | 第55-56页 |
| 第三章 基于多RBM学习时空特征的行为识别 | 第56-72页 |
| 3.1 相关研究及问题形成 | 第56-57页 |
| 3.2 方法概述 | 第57-58页 |
| 3.3 基于神经网络的时空特征学习 | 第58-63页 |
| 3.3.1 行为跟踪序列 | 第59-60页 |
| 3.3.2 视频块形状特征 | 第60-61页 |
| 3.3.3 多RBMs神经网络层 | 第61-63页 |
| 3.3.4 时空特征 | 第63页 |
| 3.4 基于SVM分类器的行为识别 | 第63-64页 |
| 3.5 实验 | 第64-71页 |
| 3.5.1 UCF Sports行为数据库 | 第65-68页 |
| 3.5.2 Keck Gesture数据库 | 第68-70页 |
| 3.5.3 KTH行为数据库 | 第70-71页 |
| 3.6 本章小结 | 第71-72页 |
| 第四章 基于倒排索引表的快速多类行为识别 | 第72-95页 |
| 4.1 相关研究及问题形成 | 第72-73页 |
| 4.2 方法概述 | 第73-74页 |
| 4.3 基于行为状态序列的行为表征 | 第74-77页 |
| 4.3.1 预处理 | 第74-75页 |
| 4.3.2 行为状态二叉树 | 第75-77页 |
| 4.3.3 行为状态序列表征 | 第77页 |
| 4.4 基于倒排索引表的行为识别 | 第77-83页 |
| 4.4.1 倒排索引表 | 第78-80页 |
| 4.4.2 行为识别的分值向量 | 第80-82页 |
| 4.4.3 权重学习 | 第82-83页 |
| 4.5 实验 | 第83-93页 |
| 4.5.1 Keck Gesture数据库 | 第83-87页 |
| 4.5.1.1 静态场景中的行为识别 | 第84-86页 |
| 4.5.1.2 动态场景中的行为识别 | 第86-87页 |
| 4.5.2 Weizmann行为数据库 | 第87-88页 |
| 4.5.3 KTH行为数据库 | 第88-90页 |
| 4.5.4 UCF Sports行为数据库 | 第90-92页 |
| 4.5.5 时间复杂度 | 第92-93页 |
| 4.6 本章小结 | 第93-95页 |
| 第五章 基于时间缓慢不变特征学习的行为识别 | 第95-113页 |
| 5.1 相关研究及问题形成 | 第95-97页 |
| 5.2 方法概述 | 第97页 |
| 5.3 时间缓慢不变特征学习及池化 | 第97-105页 |
| 5.3.1 空间特征学习 | 第98-100页 |
| 5.3.2 空间特征的可视化 | 第100-101页 |
| 5.3.3 时空特征的池化处理 | 第101-105页 |
| 5.3.3.1 时间域上的特征池化 | 第102-103页 |
| 5.3.3.2 空间域上的特征池化 | 第103-104页 |
| 5.3.3.3 时空域上的特征池化 | 第104-105页 |
| 5.4 基于BOF的行为表征及识别 | 第105-106页 |
| 5.5 实验 | 第106-112页 |
| 5.5.1 实验设置 | 第107页 |
| 5.5.2 实验细节描述 | 第107-110页 |
| 5.5.3 实验结果与分析 | 第110-112页 |
| 5.6 本章小结 | 第112-113页 |
| 第六章 总结与展望 | 第113-117页 |
| 6.1 主要研究成果 | 第113-114页 |
| 6.2 工作展望 | 第114-117页 |
| 致谢 | 第117-118页 |
| 参考文献 | 第118-130页 |
| 攻博期间取得的研究成果 | 第130-132页 |
