| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 课题的国内外研究现状 | 第9-10页 |
| 1.3 研究难点 | 第10页 |
| 1.4 本文主要研究内容 | 第10-11页 |
| 1.5 本文章节安排 | 第11-13页 |
| 第二章 人体行为分析的基本理论与关键技术综述 | 第13-22页 |
| 2.1 概述 | 第13页 |
| 2.2 人体行为分析流程 | 第13-14页 |
| 2.3 人体目标特征提取常用算法 | 第14-18页 |
| 2.3.1 全局特征 | 第14-15页 |
| 2.3.2 局部关键点模型特征 | 第15-17页 |
| 2.3.3 融合特征 | 第17-18页 |
| 2.4 人体行为识别常用算法 | 第18-21页 |
| 2.4.1 基于模板匹配的人体行为识别方法 | 第18-19页 |
| 2.4.2 基于状态空间的人体行为识别方法 | 第19-20页 |
| 2.4.3 基于神经网络的人体行为识别方法 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 基于密集点轨迹的人体行为特征提取算法 | 第22-34页 |
| 3.1 算法概述 | 第22-23页 |
| 3.2 消除摄像机抖动预处理算法 | 第23-27页 |
| 3.2.1 SURF特征点提取 | 第23-25页 |
| 3.2.2 基于多项式展开的高效光流提取 | 第25-26页 |
| 3.2.3 匹配SURF特征点光流特征点估计单应性 | 第26-27页 |
| 3.3 密集特征点轨迹的提取 | 第27-30页 |
| 3.3.1 特征点密集采样 | 第28页 |
| 3.3.2 密集点轨迹追踪 | 第28-29页 |
| 3.3.3 轨迹形状描述子 | 第29-30页 |
| 3.4 基于密集点轨迹提取特征以及特征编码 | 第30-32页 |
| 3.4.1 HOG描述子 | 第30页 |
| 3.4.2 HOF描述子 | 第30-31页 |
| 3.4.3 MBH描述子 | 第31-32页 |
| 3.5 特征融合 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于字典对学习的人体行为识别算法 | 第34-42页 |
| 4.1 算法概述 | 第34页 |
| 4.2 字典学习算法 | 第34-36页 |
| 4.2.1 字典学习基本问题 | 第34-35页 |
| 4.2.2 字典学习稀疏约束条件 | 第35页 |
| 4.2.3 字典学习用于分类 | 第35-36页 |
| 4.3 字典对学习算法 | 第36-41页 |
| 4.3.1 字典对学习算法概述 | 第36-37页 |
| 4.3.2 字典对学习算法目标函数 | 第37-38页 |
| 4.3.3 字典对学习算法求解 | 第38-39页 |
| 4.3.4 利用重建误差分类 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 实验过程、结果展示与分析 | 第42-48页 |
| 5.1 实验数据集的准备和实验过程介绍 | 第42-43页 |
| 5.2 基于密集点轨迹特征提取算法的实验结果展示及其分析 | 第43-45页 |
| 5.3 基于字典对学习的行为识别算法的实验结果展示及其分析 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 论文总结及结果分析 | 第48页 |
| 6.2 研究工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 作者简介 | 第58页 |
| 攻读硕士学位期间研究成果 | 第58页 |
