| 中文摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 中文文摘 | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| 第一节 研究背景和意义 | 第10-11页 |
| 第二节 研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 第三节 本文的主要研究内容和组织架构 | 第14-16页 |
| 第二章 人体行为识别相关技术 | 第16-24页 |
| 第一节 前景目标提取 | 第16-19页 |
| 2.1.1 帧差法 | 第16-17页 |
| 2.1.2 背景减除法 | 第17-18页 |
| 2.1.3 光流法 | 第18-19页 |
| 第二节 特征提取 | 第19-21页 |
| 2.2.1 全局特征 | 第19-20页 |
| 2.2.2 局部特征 | 第20-21页 |
| 第三节 分类器 | 第21-23页 |
| 2.3.1 模板匹配法 | 第21-22页 |
| 2.3.2 状态空间模型法 | 第22-23页 |
| 2.3.3 语义模型法 | 第23页 |
| 第四节 本章小结 | 第23-24页 |
| 第三章 预处理 | 第24-34页 |
| 第一节 提取前景目标 | 第24-27页 |
| 第二节 预分类 | 第27-29页 |
| 第三节 提取视频帧立方体的低层特征 | 第29-32页 |
| 3.3.1 视频帧立方体 | 第29页 |
| 3.3.2 低层特征的提取 | 第29-32页 |
| 第四节 本章小结 | 第32-34页 |
| 第四章 基于3DCNN-HMM级联模型的人体基本行为识别 | 第34-52页 |
| 第一节 三维卷积神经网络 | 第34-39页 |
| 4.1.1 卷积神经网络的介绍 | 第34-35页 |
| 4.1.2 行为内容建模设计 | 第35-37页 |
| 4.1.3 模型训练 | 第37-39页 |
| 第二节 隐马尔可夫模型 | 第39-41页 |
| 第三节 3DCNN-HMM模型设计 | 第41-44页 |
| 第四节 实验结果及分析 | 第44-50页 |
| 4.4.1 实验准备 | 第44-46页 |
| 4.4.2 实验结果与分析 | 第46-50页 |
| 第五节 本章小结 | 第50-52页 |
| 第五章 基于2DCNN-HMM级联模型的人体基本行为识别 | 第52-62页 |
| 第一节 基于2DCNN的基本行为特征表示模型 | 第52-55页 |
| 5.1.1 问题提出 | 第52页 |
| 5.1.2 模型设计与训练 | 第52-54页 |
| 5.1.3 2DCNN与3DCNN特征提取模型的对比 | 第54-55页 |
| 第二节 2DCNN-HMM模型设计 | 第55-56页 |
| 第三节 实验结果与分析 | 第56-60页 |
| 5.3.1 实验准备 | 第56页 |
| 5.3.2 实验结果与分析 | 第56-60页 |
| 第四节 本章小结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 第一节 总结 | 第62-63页 |
| 第二节 展望 | 第63-64页 |
| 参考文献 | 第64-72页 |
| 攻读学位期间承担的科研任务与主要成果 | 第72-74页 |
| 致谢 | 第74-76页 |
| 个人简历 | 第76-78页 |
