| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-26页 |
| 1.1 研究的目的及意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-23页 |
| 1.2.1 人体行为识别的应用 | 第17-20页 |
| 1.2.2 人体行为识别的研究现状 | 第20-21页 |
| 1.2.3 人体行为识别所面临的挑战 | 第21-23页 |
| 1.3 本文主要贡献和内容安排 | 第23-26页 |
| 第二章 人体行为识别基础 | 第26-38页 |
| 2.1 特征检测 | 第26-29页 |
| 2.2 特征描述 | 第29-30页 |
| 2.3 特征提取与变换 | 第30-33页 |
| 2.3.1 主成分分析 | 第31-32页 |
| 2.3.2 费舍尔向量编码 | 第32-33页 |
| 2.4 行为分类 | 第33-36页 |
| 2.4.1 支持向量机 | 第33-34页 |
| 2.4.2 卷积神经网络 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 基于轨迹和卷积神经网络的人体行为识别方法 | 第38-50页 |
| 3.1 引言 | 第38-39页 |
| 3.2 稠密轨迹特征的提取 | 第39-40页 |
| 3.3 基于轨迹和卷积神经网络的人体行为识别方法 | 第40-43页 |
| 3.3.1 卷积神经网络的训练 | 第40-42页 |
| 3.3.2 轨迹约束的卷积特征提取与分类 | 第42-43页 |
| 3.4 实验 | 第43-49页 |
| 3.4.1 实验设置 | 第43-44页 |
| 3.4.2 数据集 | 第44-45页 |
| 3.4.3 在YouTube Action数据集上的实验 | 第45-46页 |
| 3.4.4 在UCF50数据集上的实验 | 第46-47页 |
| 3.4.5 在UCF101数据集上的实验 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于局部栈式费舍尔特征提取的人体行为识别方法 | 第50-60页 |
| 4.1 引言 | 第50-51页 |
| 4.2 局部栈式费舍尔特征向量提取 | 第51-52页 |
| 4.3 基于局部栈式费舍尔特征提取的人体行为识别方法 | 第52-54页 |
| 4.3.1 提取局部费舍尔特征向量 | 第52-53页 |
| 4.3.2 最大间隔维数约减方法 | 第53-54页 |
| 4.3.3 提取局部栈式费舍尔特征向量 | 第54页 |
| 4.4 实验 | 第54-58页 |
| 4.4.1 实验设置 | 第54页 |
| 4.4.2 在YouTube Action数据集上的实验 | 第54-55页 |
| 4.4.3 在UCF50数据集上的实验 | 第55-56页 |
| 4.4.4 在UCF101数据集上的实验 | 第56-58页 |
| 4.5 总结 | 第58-60页 |
| 第五章 基于深度全连接神经网络的人体行为识别方法 | 第60-72页 |
| 5.1 引言 | 第60-61页 |
| 5.2 深度神经网络模型 | 第61-65页 |
| 5.3 基于深度全连接神经网络的人体行为识别方法 | 第65-67页 |
| 5.3.1 特征预处理 | 第65页 |
| 5.3.2 深度全连接神经网络结构描述 | 第65-67页 |
| 5.4 实验 | 第67-71页 |
| 5.4.1 实验设置 | 第67页 |
| 5.4.2 在YouTube Action数据集上的实验 | 第67-68页 |
| 5.4.3 在UCF50数据集上的实验 | 第68-69页 |
| 5.4.4 在UCF101数据集上的实验 | 第69-71页 |
| 5.5 本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 工作总结 | 第72-73页 |
| 6.2 工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
