| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景与意义 | 第11-12页 |
| 1.2 对象检测与行为分析的研究现状 | 第12-18页 |
| 1.2.1 对象检测研究现状 | 第12-15页 |
| 1.2.1.1 传统对象检测算法 | 第12-13页 |
| 1.2.1.2 基于候选区域的深度学习对象检测算法 | 第13-14页 |
| 1.2.1.3 基于回归模型的深度学习对象检测算法 | 第14-15页 |
| 1.2.2 行为分析研究现状 | 第15-18页 |
| 1.2.2.1 基于视频的行为分析研究现状 | 第15-17页 |
| 1.2.2.2 基于静态图像的行为分析研究现状 | 第17-18页 |
| 1.3 论文的主要研究内容 | 第18-19页 |
| 1.4 本文章节安排 | 第19-20页 |
| 第二章 融合多层卷积特征谱的CNN室内对象检测方法 | 第20-40页 |
| 2.1 引言 | 第20-21页 |
| 2.2 本章算法框架 | 第21-22页 |
| 2.3 基于低层特征谱重构的多层卷积特征谱融合思想 | 第22-23页 |
| 2.4 融合多层卷积特征谱用于检测室内对象 | 第23-28页 |
| 2.5 实验结果及分析 | 第28-38页 |
| 2.5.1 实验环境 | 第28-29页 |
| 2.5.2 构建室内对象检测数据库 | 第29-31页 |
| 2.5.3 训练网络模型 | 第31-32页 |
| 2.5.4 测试网络模型 | 第32-38页 |
| 2.5.4.1 基于所构建数据库图片的测试结果分析 | 第32-36页 |
| 2.5.4.2 基于实际室内监控视频帧的测试结果评测 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第三章 基于人与物交互关系的行为检测方法 | 第40-60页 |
| 3.1 引言 | 第40页 |
| 3.2 本章算法框架 | 第40-41页 |
| 3.3 基于空间距离的候选交互物选取 | 第41-44页 |
| 3.4 基于肤色检测结果确定交互物 | 第44-47页 |
| 3.4.1 基于HSV颜色空间的肤色检测 | 第45-46页 |
| 3.4.2 基于肤色检测确定交互物 | 第46-47页 |
| 3.5 基于人物交互关系的对象行为识别方法 | 第47-50页 |
| 3.5.1 人物交互关系建模及特征提取 | 第48-50页 |
| 3.5.2 人物交互方式分类 | 第50页 |
| 3.6 实验结果及分析 | 第50-58页 |
| 3.6.1 本章所用数据库介绍 | 第50-52页 |
| 3.6.2 主观实验结果 | 第52-56页 |
| 3.6.2.1 交互物检测实验 | 第52-54页 |
| 3.6.2.2 行为识别实验 | 第54-56页 |
| 3.6.3 客观实验结果 | 第56-58页 |
| 3.7 本章小结 | 第58-60页 |
| 第四章 结合人体局部分块特征的CNN行为检测方法 | 第60-72页 |
| 4.1 引言 | 第60页 |
| 4.2 本章算法框架 | 第60-61页 |
| 4.3 基于精细化对象检测模型的行为检测 | 第61-66页 |
| 4.3.1 用于行为检测的CNN网络选取 | 第61-64页 |
| 4.3.2 基于精细化对象检测模型的问题分析 | 第64-66页 |
| 4.4 结合人体局部分块特征的CNN行为检测方法 | 第66-69页 |
| 4.5 实验结果及分析 | 第69-70页 |
| 4.5.1 主观实验结果 | 第69-70页 |
| 4.5.2 客观实验结果 | 第70页 |
| 4.6 本章小结 | 第70-72页 |
| 第五章 室内对象检测与行为分析系统设计与实现 | 第72-79页 |
| 5.1 引言 | 第72页 |
| 5.2 室内对象检测与行为分析系统模块设计 | 第72-73页 |
| 5.3 系统实现过程 | 第73-75页 |
| 5.3.1 算法平台移植 | 第73-74页 |
| 5.3.2 系统功能实现 | 第74-75页 |
| 5.4 系统测试结果 | 第75-78页 |
| 5.5 本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-89页 |
| 攻读硕士学位期间取得的成果 | 第89-90页 |
