| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人体行为分析国内外研究现状 | 第10-14页 |
| 1.2.1 应用现状 | 第10-12页 |
| 1.2.2 技术现状 | 第12-14页 |
| 1.3 人体行为分析面临的挑战和发展趋势 | 第14页 |
| 1.4 主要工作及论文结构 | 第14-15页 |
| 1.5 本章小结 | 第15-17页 |
| 第2章 人体行为特征提取与描述 | 第17-27页 |
| 2.1 表观行为特征描述 | 第17-21页 |
| 2.1.1 基于区域的描述方法 | 第17-19页 |
| 2.1.2 基于轮廓的描述方法 | 第19-20页 |
| 2.1.3 基于运动信息的描述方法 | 第20页 |
| 2.1.4 基于时空特征的描述方法 | 第20-21页 |
| 2.2 人体模型行为特征描述 | 第21-23页 |
| 2.2.1 线条图模型 | 第22页 |
| 2.2.2 二维轮廓模型 | 第22-23页 |
| 2.2.3 立体模型 | 第23页 |
| 2.3 其他行为特征描述 | 第23-24页 |
| 2.3.1 基于R变换的形状描述方法 | 第23-24页 |
| 2.4 人体行为特征分类 | 第24-26页 |
| 2.4.1 全局特征 | 第25页 |
| 2.4.2 局部特征 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于运动模式的人体行为识别 | 第27-41页 |
| 3.1 模型框架 | 第27-29页 |
| 3.1.1 行为表示模型 | 第27-28页 |
| 3.1.2 分类器模型 | 第28-29页 |
| 3.2 全局运动模式法 | 第29-37页 |
| 3.2.1 时空兴趣点检测 | 第30-31页 |
| 3.2.2 时空兴趣区域检测 | 第31页 |
| 3.2.3 基于ROI预测的全局运动模式提取 | 第31-35页 |
| 3.2.4 基于DTW的全局运动模式行为识别 | 第35-37页 |
| 3.3 局部运动模式法 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 实验结果与分析 | 第41-49页 |
| 4.1 数据库 | 第41-42页 |
| 4.2 实验结果 | 第42-45页 |
| 4.2.1 Weizmann库实验结果 | 第42-43页 |
| 4.2.2 UCF库实验结果 | 第43-44页 |
| 4.2.3 multiple cameras fall库实验结果 | 第44-45页 |
| 4.3 算法时耗分析 | 第45-46页 |
| 4.4 参数对实验结果的影响 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 攻读硕士期间发表的论文 | 第59页 |