| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 引言 | 第14-15页 |
| 1.2 课题研究的背景和意义 | 第15-16页 |
| 1.3 双流网络架构下的行为识别隐含层模型研究现状 | 第16-18页 |
| 1.4 双流网络架构下的行为识别隐含层模型技术难点 | 第18-19页 |
| 1.5 本文的主要工作及内容安排 | 第19-21页 |
| 第二章 双流网络架构下的行为识别隐含层模型概述 | 第21-26页 |
| 2.1 引言 | 第21-22页 |
| 2.2 基于双流网络架构的人类行为识别 | 第22-23页 |
| 2.3 基于隐含层模型的人类行为识别 | 第23-25页 |
| 2.4 本章总结 | 第25-26页 |
| 第三章 复杂场景中的人类行为识别 | 第26-44页 |
| 3.1 引言 | 第26-27页 |
| 3.2 隐含层模型的理论基础 | 第27-33页 |
| 3.2.1 隐含层参数的初始化方法 | 第27-29页 |
| 3.2.2 支持向量机 | 第29-31页 |
| 3.2.3 隐含层模型所用分类器 | 第31-32页 |
| 3.2.4 动作和行为联合估算的随机场 | 第32-33页 |
| 3.3 隐含层模型所用公开数据集简介 | 第33-34页 |
| 3.3.1 CAD-120数据集 | 第33页 |
| 3.3.2 UCF数据集 | 第33-34页 |
| 3.4 人类行为识别的隐含层模型建模过程 | 第34-40页 |
| 3.4.1 势函数的建立 | 第35-37页 |
| 3.4.2 模型的推导 | 第37-38页 |
| 3.4.3 模型的训练 | 第38-40页 |
| 3.5 实验与结果分析 | 第40-43页 |
| 3.6 本章总结 | 第43-44页 |
| 第四章 第一人称视角人类行为识别研究 | 第44-57页 |
| 4.1 引言 | 第44-45页 |
| 4.2 深度学习框架 | 第45-50页 |
| 4.2.1 神经网络简介 | 第45-47页 |
| 4.2.2 深度学习的热潮 | 第47-49页 |
| 4.2.3 CNN卷积神经网络 | 第49-50页 |
| 4.3 公共数据集概述 | 第50-51页 |
| 4.4 第一人称视角下的人类行为识别 | 第51-53页 |
| 4.4.1 外观CNN的训练 | 第51-53页 |
| 4.4.2 运动CNN的训练 | 第53页 |
| 4.4.3 隐含层模型的引入 | 第53页 |
| 4.5 实验与结果分析 | 第53-56页 |
| 4.6 本章总结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |