基于时空兴趣点和词袋模型的人体动作识别方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 人体动作识别概述 | 第14-15页 |
| 1.2 动作特征提取方法综述 | 第15-17页 |
| 1.3 时空兴趣点描述方法 | 第17页 |
| 1.4 人体动作识别方法研究现状 | 第17-20页 |
| 1.4.1 基于模板匹配的动作识别方法 | 第18页 |
| 1.4.2 基于状态空间的动作识别方法 | 第18-19页 |
| 1.4.3 基于概率统计的动作识别方法 | 第19-20页 |
| 1.5 课题意义及研究内容 | 第20-22页 |
| 1.5.1 课题研究意义 | 第20-21页 |
| 1.5.2 课题主要研究内容 | 第21-22页 |
| 第二章 人体动作时空兴趣点特征提取与描述 | 第22-34页 |
| 2.1 引言 | 第22页 |
| 2.2 基于Cuboid的时空兴趣点提取 | 第22-23页 |
| 2.3 基于3DHarris的时空兴趣点提取 | 第23-25页 |
| 2.4 基于HOG3D的时空兴趣点描述器 | 第25-27页 |
| 2.4.1 三维平均梯度计算 | 第25-26页 |
| 2.4.2 梯度方向量化 | 第26-27页 |
| 2.4.3 梯度投影求和 | 第27页 |
| 2.4.4 描述符累加 | 第27页 |
| 2.5 基于HOF的时空兴趣点描述器 | 第27-32页 |
| 2.5.1 基于L-K光流法的速度计算 | 第28-30页 |
| 2.5.2 HOF特征描述 | 第30-32页 |
| 2.6 基于PCA的特征降维 | 第32-33页 |
| 2.7 小结 | 第33-34页 |
| 第三章 基于改进信息增益的视觉词典建立 | 第34-40页 |
| 3.1 词袋模型 | 第34页 |
| 3.2 初始视觉词典建立 | 第34-35页 |
| 3.3 传统信息增益视觉词典建立 | 第35-36页 |
| 3.4 基于改进信息增益的视觉词典建立 | 第36-38页 |
| 3.5 基于支持向量机的人体动作识别 | 第38页 |
| 3.6 小结 | 第38-40页 |
| 第四章 基于离散粒子群的动作视频关键帧选取 | 第40-46页 |
| 4.1 引言 | 第40页 |
| 4.2 离散粒子群寻优算法 | 第40-42页 |
| 4.2.1 传统粒子群 | 第40-41页 |
| 4.2.2 离散粒子群 | 第41-42页 |
| 4.3 动作特征相似度评价 | 第42页 |
| 4.4 基于离散粒子群的关键帧选取 | 第42-43页 |
| 4.5 小结 | 第43-46页 |
| 第五章 人体动作识别实验结果 | 第46-58页 |
| 5.1 人体动作识别数据库 | 第46-47页 |
| 5.2 人体动作识别总体设计 | 第47-48页 |
| 5.3 初始视觉词典建立结果 | 第48-50页 |
| 5.4 基于改进信息增益的视觉词典建立结果 | 第50-52页 |
| 5.5 关键帧选取结果 | 第52-53页 |
| 5.6 人体动作识别结果 | 第53-54页 |
| 5.7 动作识别结果评价 | 第54-56页 |
| 5.8 小结 | 第56-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 研究成果及发表的学术论文 | 第66-68页 |
| 作者与导师简介 | 第68-70页 |
| 附件 | 第70-71页 |
