| 摘要 | 第12-14页 |
| Abstract | 第14-15页 |
| 第一章 绪论 | 第16-46页 |
| 1.1 课题的背景与意义 | 第16-18页 |
| 1.2 人体动作识别问题定义和描述 | 第18-20页 |
| 1.3 相关研究工作 | 第20-38页 |
| 1.3.1 人体动作表示 | 第20-33页 |
| 1.3.2 人体动作分类 | 第33-37页 |
| 1.3.3 行为视频数据库 | 第37-38页 |
| 1.4 论文主要工作及组织结构 | 第38-45页 |
| 1.4.1 人体动作识别框架 | 第38-42页 |
| 1.4.2 论文创新点 | 第42-44页 |
| 1.4.3 论文组织结构 | 第44-45页 |
| 1.5 本章小结 | 第45-46页 |
| 第二章 基于时空条件信息的静止视频运动前景检测 | 第46-57页 |
| 2.1 引言 | 第46页 |
| 2.2 相关研究工作 | 第46-47页 |
| 2.3 基于时空条件信息的背景减 | 第47-50页 |
| 2.3.1 时空条件信息背景减原理 | 第47-49页 |
| 2.3.2 从视觉显著性时空域计算时空条件信息 | 第49-50页 |
| 2.3.3 利用邻域加权时空条件信息（NWSCI）提高背景减精度 | 第50页 |
| 2.4 图像分块加速策略 | 第50-51页 |
| 2.5 模型初始化及数据更新 | 第51-52页 |
| 2.6 时空条件信息运动目标检测算法流程 | 第52-53页 |
| 2.7 实验结果及分析 | 第53-56页 |
| 2.7.1 检测精度分析 | 第53-55页 |
| 2.7.2 算法复杂度分析 | 第55-56页 |
| 2.8 本章小结 | 第56-57页 |
| 第三章 基于黎曼流形的静止视频人体动作表示 | 第57-73页 |
| 3.1 引言 | 第57页 |
| 3.2 相关研究工作 | 第57-59页 |
| 3.3 STS局部特征及协方差描述子 | 第59-64页 |
| 3.3.1 STS降维方法 | 第59-60页 |
| 3.3.2 基于体内点辐射距离的STS局部特征提取方法 | 第60-62页 |
| 3.3.3 LsSTS局部特征协方差描述子 | 第62页 |
| 3.3.4 尺度不变LsSTS局部特征 | 第62-64页 |
| 3.4 黎曼流形空间上的人体动作表示 | 第64-67页 |
| 3.4.1 协方差描述子与黎曼流形 | 第64-66页 |
| 3.4.2 黎曼流形人体动作表示算法 | 第66页 |
| 3.4.3 算法复杂度分析 | 第66-67页 |
| 3.5 实验 | 第67-71页 |
| 3.5.1 人体动作识别框架 | 第67-68页 |
| 3.5.2 数据集 | 第68页 |
| 3.5.3 视频分割处理 | 第68-70页 |
| 3.5.4 实验结果及分析 | 第70-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第四章 运动视频中摄像机运动不变视频局部特征提取 | 第73-106页 |
| 4.1 引言 | 第73页 |
| 4.2 常用视频局部特征 | 第73-75页 |
| 4.3 摄像机运动对视频局部特征检测及描述的影响 | 第75-77页 |
| 4.4 摄像机运动不变视频局部特征检测与描述 | 第77-95页 |
| 4.4.1 基本原理 | 第78-80页 |
| 4.4.2 总体框架 | 第80-81页 |
| 4.4.3 空域局部特征提取 | 第81-84页 |
| 4.4.4 局部特征运动轨迹提取 | 第84-88页 |
| 4.4.5 基于低维子空间的前景局部特征检测 | 第88-93页 |
| 4.4.6 摄像机运动不变视频局部特征描述 | 第93-94页 |
| 4.4.7 与现有视频局部特征提取方法对比分析 | 第94-95页 |
| 4.5 实验 | 第95-104页 |
| 4.5.1 实验设计 | 第95-98页 |
| 4.5.2 验证误检测问题 | 第98-100页 |
| 4.5.3 验证误匹配问题 | 第100-103页 |
| 4.5.4 基于CMI-VLF的人体动作识别 | 第103-104页 |
| 4.6 本章小结 | 第104-106页 |
| 第五章 基于局部特征时空编码的运动视频人体动作表示 | 第106-115页 |
| 5.1 引言 | 第106页 |
| 5.2 BoF模型的局限 | 第106-107页 |
| 5.3 视频局部特征时空编码 | 第107-110页 |
| 5.3.1 时空编码模型 | 第107-108页 |
| 5.3.2 多尺度时空编码模型 | 第108-109页 |
| 5.3.3 局部约束时空编码模型 | 第109页 |
| 5.3.4 时空编码模型优点 | 第109-110页 |
| 5.4 基于局部特征时空编码的人体动作识别 | 第110-112页 |
| 5.4.1 人体动作识别框架 | 第110-111页 |
| 5.4.2 构建子时空域 | 第111-112页 |
| 5.5 实验 | 第112-114页 |
| 5.5.1 测试数据集 | 第112页 |
| 5.5.2 实验设置 | 第112-113页 |
| 5.5.3 实验结果及分析 | 第113-114页 |
| 5.6 本章小结 | 第114-115页 |
| 第六章 基于局部约束组稀疏表示的人体动作分类 | 第115-133页 |
| 6.1 引言 | 第115页 |
| 6.2 稀疏表示基础理论 | 第115-118页 |
| 6.2.1 稀疏表示引论 | 第115-116页 |
| 6.2.2 稀疏表示数学模型 | 第116-118页 |
| 6.3 稀疏表示分类原理 | 第118-121页 |
| 6.4 局部约束组稀疏表示分类模型 | 第121-123页 |
| 6.4.1 组稀疏编码模型 | 第121-122页 |
| 6.4.2 局部约束组稀疏表示分类模型 | 第122-123页 |
| 6.5 基于LGSRC的人体动作分类 | 第123-128页 |
| 6.5.1 基于LGSRC的人体动作分类框架 | 第123-126页 |
| 6.5.2 LGSRC编码系数求解 | 第126-128页 |
| 6.6 实验 | 第128-132页 |
| 6.6.1 实验设置 | 第128页 |
| 6.6.2 实验结果 | 第128-129页 |
| 6.6.3 对比分析 | 第129-132页 |
| 6.7 本章小结 | 第132-133页 |
| 第七章 结论与展望 | 第133-136页 |
| 7.1 总结 | 第133-134页 |
| 7.2 展望 | 第134-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-151页 |
| 作者在学期间取得的学术成果 | 第151-153页 |
| 附录A 背景运动轨迹低维子空间证明 | 第153-157页 |
