视频人体动作识别算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-13页 |
| 1.2 动作识别算法的国内外研究历史与现状 | 第13-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 基于协方差矩阵的全局特征提取 | 第17-30页 |
| 2.1 对称正定矩阵 | 第17-19页 |
| 2.2 算法框架 | 第19页 |
| 2.3 运动目标检测 | 第19-23页 |
| 2.3.1 背景建模 | 第19-22页 |
| 2.3.2 运动区域分割 | 第22-23页 |
| 2.4 基于HOF协方差矩阵的全局特征 | 第23-28页 |
| 2.4.1 计算运动区域的光流 | 第23-25页 |
| 2.4.2 光流方向直方图 | 第25-26页 |
| 2.4.3 全局特征的提取 | 第26-28页 |
| 2.5 基于空间金字塔的全局特征 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于协方差矩阵的动作局部时空特征 | 第30-47页 |
| 3.1 动作的局部时空特征提取 | 第30-44页 |
| 3.1.1 预处理 | 第31-32页 |
| 3.1.2 划分网格 | 第32-33页 |
| 3.1.3 密实采样 | 第33-35页 |
| 3.1.4 计算像素的描述子 | 第35-40页 |
| 3.1.5 基于多种图像特征的协方差矩阵 | 第40-42页 |
| 3.1.6 协方差矩阵的对数运算 | 第42-44页 |
| 3.2 基于单一图像特征的协方差矩阵 | 第44-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 动作的表示与分类 | 第47-79页 |
| 4.1 描述子的稀疏编码 | 第48-50页 |
| 4.2 构建过完备字典 | 第50-52页 |
| 4.3 其它编码方式 | 第52-55页 |
| 4.3.1 矢量量化 | 第52-53页 |
| 4.3.2 SA编码 | 第53页 |
| 4.3.3 局部软编码 | 第53-54页 |
| 4.3.4 局部约束线性编码 | 第54-55页 |
| 4.4 描述子的池化 | 第55-57页 |
| 4.4.1 词袋法 | 第55-56页 |
| 4.4.2 结合空间金字塔模型的池化方式 | 第56-57页 |
| 4.5 支持向量机 | 第57-62页 |
| 4.5.1 线性支持向量机 | 第57-61页 |
| 4.5.2 非线性支持向量机 | 第61-62页 |
| 4.6 K重交叉验证 | 第62-63页 |
| 4.7 全局特征在KTH中的实验 | 第63-67页 |
| 4.8 局部时空特征在KTH中的实验 | 第67-75页 |
| 4.8.1 处理流程与参数设定 | 第67-70页 |
| 4.8.2 不同核函数下的识别结果 | 第70-71页 |
| 4.8.3 实验分析 | 第71-73页 |
| 4.8.4 不同协方差矩阵的识别结果 | 第73-74页 |
| 4.8.5 不同通道的识别结果 | 第74-75页 |
| 4.9 局部时空特征在UCF中的实验 | 第75-78页 |
| 4.10 本章小结 | 第78-79页 |
| 第五章 全文总结与展望 | 第79-82页 |
| 5.1 全文总结 | 第79-80页 |
| 5.2 后续工作展望 | 第80-82页 |
| 致谢 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的成果 | 第87-88页 |
