| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·研究背景及意义 | 第12页 |
| ·研究现状 | 第12-19页 |
| ·人体行为描述 | 第13-16页 |
| ·剪影特征 | 第13-14页 |
| ·光流特征 | 第14页 |
| ·时空特征 | 第14-15页 |
| ·深度特征 | 第15-16页 |
| ·人体行为识别 | 第16-19页 |
| ·单层法 | 第16-17页 |
| ·层次法 | 第17-19页 |
| ·行为识别标准数据库简介 | 第19-21页 |
| ·Weizmann数据库 | 第19-20页 |
| ·KTH数据库 | 第20-21页 |
| ·本文研究内容及章节安排 | 第21-22页 |
| 第2章 兴趣点检测方法简介 | 第22-32页 |
| ·角点的计算原理 | 第22-24页 |
| ·Harris兴趣点检测算法 | 第24-27页 |
| ·SIFT兴趣点检测算法 | 第27-29页 |
| ·SURF兴趣点检测算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于非对称广义高斯分布模型(AGGD)的人体行为识别 | 第32-53页 |
| ·时空兴趣点的检测 | 第32-33页 |
| ·基于梯度特征的AGGD参数特征的人体行为识别 | 第33-40页 |
| ·时空立方体的梯度计算 | 第33-34页 |
| ·梯度特征的数理统计特性 | 第34-36页 |
| ·人体行为识别算法 | 第36-38页 |
| ·实验仿真与分析 | 第38-40页 |
| ·基于光流特征的 AGGD 参数特征的人体行为识别 | 第40-48页 |
| ·时空立方体的光流计算 | 第40-43页 |
| ·Horn-Schunck光流法 | 第41-42页 |
| ·Lucas-Kanade光流法 | 第42-43页 |
| ·光流特征的数理统计特性 | 第43-45页 |
| ·人体行为识别算法 | 第45-47页 |
| ·实验仿真与分析 | 第47-48页 |
| ·基于融合梯度和光流 AGGD 参数特征的人体行为识别 | 第48-52页 |
| ·人体行为识别算法 | 第48-49页 |
| ·实验仿真与分析 | 第49-50页 |
| ·与其它文献人体行为识别率的比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 基于加权局部时空特征的人体行为识别 | 第53-74页 |
| ·视觉词袋模型 | 第53-54页 |
| ·基于梯度特征方向加权的人体行为识别 | 第54-63页 |
| ·不同行为梯度特征三方向直方图分布分析 | 第54-58页 |
| ·不同行为梯度特征三方向标准直方图分布构造 | 第58-60页 |
| ·人体行为识别算法 | 第60-61页 |
| ·实验仿真与分析 | 第61-63页 |
| ·基于光流特征速度分量加权的人体行为识别 | 第63-68页 |
| ·不同行为光流特征两速度分量直方图分布分析 | 第63-65页 |
| ·不同行为两个速度分量的标准直方图分布构造 | 第65-66页 |
| ·人体行为识别算法 | 第66-67页 |
| ·实验仿真与分析 | 第67-68页 |
| ·基于梯度和光流特征加权的人体行为识别 | 第68-73页 |
| ·人体行为识别算法 | 第68-69页 |
| ·实验仿真与分析 | 第69-71页 |
| ·词汇数量对行为识别率的影响 | 第71-72页 |
| ·与其它文献人体行为识别率的比较 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| ·本文工作总结 | 第74页 |
| ·本文工作展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 硕士期间的研究成果及参与项目 | 第82-83页 |
| 致谢 | 第83页 |
