视频人体行为识别中的特征编码
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 主要符号对照表 | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 视频预处理 | 第13-14页 |
| 1.2.2 视频特征的提取 | 第14页 |
| 1.2.3 特征空间的字典学习和特征编码 | 第14-15页 |
| 1.2.4 分类器的设计 | 第15-17页 |
| 1.3 面临的困难 | 第17-18页 |
| 1.4 本文的研究工作 | 第18-21页 |
| 第二章 视频人体行为识别的特征提取 | 第21-31页 |
| 2.1 特征的分类 | 第21页 |
| 2.2 全局特征 | 第21-23页 |
| 2.2.1 基于轮廓的全局特征 | 第23页 |
| 2.3 局部特征 | 第23-28页 |
| 2.3.1 时空兴趣点的检测 | 第23-26页 |
| 2.3.2 时空兴趣点的描述 | 第26-28页 |
| 2.4 本章小结 | 第28-31页 |
| 第三章 视频人体行为识别的特征编码 | 第31-41页 |
| 3.1 特征空间的字典学习 | 第31-33页 |
| 3.1.1 K-均值聚类 | 第31页 |
| 3.1.2 混合高斯模型 | 第31-32页 |
| 3.1.3 随机字典 | 第32-33页 |
| 3.2 特征编码 | 第33-39页 |
| 3.2.1 基于投票的特征编码 | 第33-34页 |
| 3.2.2 基于重构的特征编码 | 第34-36页 |
| 3.2.3 基于显著度的特征编码 | 第36-38页 |
| 3.2.4 其他类特征编码 | 第38-39页 |
| 3.3 本章小结 | 第39-41页 |
| 第四章 基于局部描述子聚合向量的改进算法 | 第41-51页 |
| 4.1 局部描述子聚合向量的原理 | 第41-45页 |
| 4.1.1 原始的局部描述子聚合向量 | 第41页 |
| 4.1.2 局部描述子聚合向量的几种改进 | 第41-45页 |
| 4.2 不确定的局部描述子聚合向量的原理 | 第45-49页 |
| 4.2.1 滤掉异常的描述子特征 | 第46页 |
| 4.2.2 不确定的局部描述子聚合向量 | 第46-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第五章 实验结果与分析 | 第51-61页 |
| 5.1 数据集 | 第51-52页 |
| 5.2 实验的设置 | 第52-54页 |
| 5.2.1 视频描述子特征的选择 | 第52-53页 |
| 5.2.2 算法参数的设置 | 第53页 |
| 5.2.3 行为识别的评价标准 | 第53-54页 |
| 5.3 实验的结果 | 第54-58页 |
| 5.3.1 最近邻参数K的影响 | 第54页 |
| 5.3.2 参数 β 和 γ 的影响 | 第54-55页 |
| 5.3.3 残差聚合策略的影响 | 第55-56页 |
| 5.3.4 VLAD和UVLAD的比较 | 第56页 |
| 5.3.5 与当前最好结果的比较 | 第56-58页 |
| 5.4 本章小结 | 第58-61页 |
| 第六章 总结和展望 | 第61-63页 |
| 6.1 本文主要工作 | 第61-62页 |
| 6.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 攻读学位期间发表的学术论文目录 | 第70-71页 |
| 攻读学位期间参与的项目 | 第71-73页 |
