| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 国内外发展现状 | 第11-12页 |
| 1.2 行为识别技术的发展 | 第12-17页 |
| 1.2.1 传统的行为识别技术 | 第12-15页 |
| 1.2.1.1 低层特征 | 第12-13页 |
| 1.2.1.2 中层和高层表示 | 第13-14页 |
| 1.2.1.3 剪影（Silhouettes） | 第14-15页 |
| 1.2.2 基于深度学习的行为识别技术 | 第15-17页 |
| 1.3 本文主要工作 | 第17页 |
| 1.4 本论文的结构安排 | 第17-19页 |
| 第二章 卷积神经网络的理论基础 | 第19-29页 |
| 2.1 前向神经网络 | 第19-20页 |
| 2.1.1 前向神经网络的结构 | 第19-20页 |
| 2.2 卷积神经网络 | 第20-23页 |
| 2.2.1 卷积神经网络的结构 | 第20-23页 |
| 2.2.1.1 卷积层（Convolutional Layer） | 第20-21页 |
| 2.2.1.2 下采样层(Pooling Layer) | 第21页 |
| 2.2.1.3 小型数据库的网络结构 | 第21-23页 |
| 2.3 复杂网络的训练和学习过程 | 第23-27页 |
| 2.3.1 ImageNet的改进 | 第23-26页 |
| 2.3.1.1 ReLU非线性单元 | 第23-24页 |
| 2.3.1.2 最大下采样和重叠下采样 | 第24页 |
| 2.3.1.3 局部响应归一化（Local Response Normalization） | 第24页 |
| 2.3.1.4 Softmax分类器 | 第24-25页 |
| 2.3.1.5 Dropout技术 | 第25-26页 |
| 2.3.2 ImageNet的总体结构 | 第26-27页 |
| 2.4 视频的训练 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于卷积神经网络的视频处理 | 第29-37页 |
| 3.1 三维卷积 | 第29-30页 |
| 3.2 三维的下采样 | 第30页 |
| 3.3 处理视频的卷积神经网络 | 第30-36页 |
| 3.3.1 3D CNN的总体结构 | 第30-31页 |
| 3.3.2 改进的 3D CNN | 第31-36页 |
| 3.3.2.1 Gabor滤波器 | 第31-32页 |
| 3.3.2.2 改进的 3D CNN的网络结构 | 第32-34页 |
| 3.3.2.3 改进的 3D CNN的优点与效果 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 全新设计的卷积神经网络 | 第37-46页 |
| 4.1 NIN（Network in Network） | 第37-38页 |
| 4.2 时空金字塔下采样 | 第38-40页 |
| 4.3 网络的总体结构 | 第40-43页 |
| 4.4 与 3D CNN的对比 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第五章 基于KTH数据库的实验与分析 | 第46-69页 |
| 5.1 实验算法的流程 | 第46-49页 |
| 5.1.1 算法总流程 | 第46页 |
| 5.1.2 前向计算的流程 | 第46-48页 |
| 5.1.3 后向计算的流程 | 第48-49页 |
| 5.2 网络的实现 | 第49页 |
| 5.3 实验和结果 | 第49-53页 |
| 5.3.1 KTH数据库 | 第50-51页 |
| 5.3.2 实验结果 | 第51-53页 |
| 5.3.2.1 识别的正确率 | 第51页 |
| 5.3.2.2 混淆矩阵 | 第51-52页 |
| 5.3.2.3 本文的结果和其他文献的比较 | 第52-53页 |
| 5.4 分析 | 第53-68页 |
| 5.4.1 网络的时间复杂度和空间复杂度 | 第53-59页 |
| 5.4.1.1 网络的时间复杂度 | 第54-58页 |
| 5.4.1.2 网络的空间复杂度 | 第58-59页 |
| 5.4.2 网络的可视化 | 第59-66页 |
| 5.4.2.1 改进的 3D CNN的可视化 | 第59-62页 |
| 5.4.2.2 新网络的可视化 | 第62-66页 |
| 5.4.3 改进的 3D CNN与新网络的对比 | 第66-68页 |
| 5.4.3.1 改进的 3D CNN相对于新网络的优点 | 第66页 |
| 5.4.3.2 新网络相对于改进的 3D CNN的优点 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第六章 结论 | 第69-71页 |
| 6.1 本文的主要贡献 | 第69页 |
| 6.2 下一步工作的展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |
