首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于视听信息的人体行为识别算法研究

目录第4-6页
CONTENTS第6-8页
摘要第8-10页
ABSTRACT第10-12页
第一章 绪论第13-23页
    1.1 研究背景与意义第13-14页
    1.2 基于视觉信息的行为识别算法研究现状第14-19页
        1.2.1 动作的空间表示方法第16-18页
        1.2.2 动作的时问表示方法第18-19页
    1.3 基于视觉信息的人体行为识别算法存在的问题第19页
    1.4 本文主要工作第19-20页
    1.5 章节安排第20-23页
第二章 基于视觉信息的人体行为识别算法研究第23-59页
    2.1 基于全局特征的人体行为模型第23-26页
        2.1.1 基于人体模型的动作表示方法第23-24页
        2.1.2 基于图像模型的动作表示方法第24-26页
    2.2 基于局部特征的人体行为表示第26-38页
        2.2.1 常用的人的行为识别时空兴趣点检测子第27-33页
        2.2.2 常用的人的行为识别描述子第33-37页
        2.2.3 基于局部特征的人的行为识别中特征提取与描述趋势第37-38页
    2.3 基于局部特征的人的行为表示与识别方法第38-52页
        2.3.1 基于局部特征的人的行为表示方法第38-43页
        2.3.2 基于局部特征的人的行为识别方法第43-52页
    2.4 常用的动作数据集第52-57页
        2.4.1 KTH动作数据集第52-53页
        2.4.2 Weizmann动作数据集第53-54页
        2.4.3 IXMAS动作数据集第54页
        2.4.4 UCF体育运动动作数据集第54-55页
        2.4.5 HOHA动作数据集第55-56页
        2.4.6 YouTube数据集第56-57页
        2.4.7 其他动作数据集第57页
    2.5 本章小结第57-59页
第三章 基于视觉局部特征的人体行为识别第59-75页
    3.1 3D Harris检测子第61-62页
    3.2 3D SIFT描述子第62-64页
    3.3 基于词包模型的人体行为表示第64-66页
    3.4 基于在线序贯极速学习机的人体行为识别算法第66-68页
        3.4.1 算法原理第66-67页
        3.4.2 算法实现第67-68页
    3.5 实验结果与分析第68-74页
        3.5.1 对人的在线学习能力第69-70页
        3.5.2 对人的记忆能力第70-71页
        3.5.3 对场景的在线学习能力第71-72页
        3.5.4 对场景的记忆能力第72-74页
    3.6 本章小结第74-75页
第四章 基于多模型的人体行为识别算法第75-119页
    4.1 相关研究工作第75-78页
    4.2 视觉信息和运动信息特征提取第78-91页
        4.2.1 视觉信息特征提取第78-85页
        4.2.2 兴趣点筛选第85-88页
        4.2.3 运动信息特征提取第88-91页
    4.3 音频特征提取第91-93页
        4.3.1 频谱域特征第92-93页
        4.3.2 时间域特征第93页
    4.4 视觉、运动和音频特征融合第93-98页
        4.4.1 信号增强和传感器层融合第94页
        4.4.2 特征层融合第94-96页
        4.4.3 分类层融合第96页
        4.4.4 决策层融合第96-98页
        4.4.5 语义层融合第98页
        4.4.6 混合融合第98页
    4.5 实验结果与分析第98-109页
        4.5.1 实验设置第99-101页
        4.5.2 实验结果第101-106页
        4.5.3 实验结果分析第106-109页
    4.6 免疫多克隆极限学习机第109-116页
        4.6.1 问题提出第109-110页
        4.6.2 相关研究工作第110-111页
        4.6.3 免疫多克隆算法第111-113页
        4.6.4 基于免疫多克隆算法优化极限学习机第113-114页
        4.6.5 实验结果与分析第114-116页
    4.7 本章小结第116-119页
第五章 总结和展望第119-121页
    5.1 全文总结第119-120页
    5.2 展望第120-121页
参考文献第121-141页
致谢第141-143页
攻读硕士学位期间的学术成果第143-144页
学位论文评阅及答辩情况表第144页

论文共144页,点击 下载论文
上一篇:基于FBG的三维矢量加速度传感机理及技术研究
下一篇:基于TM_EMD的脉搏信号多模态特征情感识别方法