| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要符号对照表 | 第17-18页 |
| 第一章 绪论 | 第18-38页 |
| 1.1 研究背景及意义 | 第18-21页 |
| 1.2 行为识别问题定义与描述 | 第21-23页 |
| 1.3 国内外研究现状 | 第23-31页 |
| 1.3.1 动作识别(action recognition) | 第24-29页 |
| 1.3.2 行为检测(temporal action detection) | 第29-31页 |
| 1.4 行为识别数据库 | 第31-33页 |
| 1.5 主要研究内容 | 第33-34页 |
| 1.6 本文的组织结构 | 第34-38页 |
| 第二章 基于超完备独立成分分析的行为识别 | 第38-52页 |
| 2.1 引言 | 第38-40页 |
| 2.2 相关工作 | 第40-41页 |
| 2.3 基于级联超完备独立成分分析的行为识别 | 第41-46页 |
| 2.3.1 基于图片的超完备独立成分分析算法 | 第42-43页 |
| 2.3.2 基于视频块的超完备独立成分分析算法 | 第43-44页 |
| 2.3.3 级联的超完备独立成分分析网络 | 第44页 |
| 2.3.4 级超完备独立成分分析特征属性 | 第44-46页 |
| 2.3.5 人类行为特征的构建 | 第46页 |
| 2.3.6 人类行为的分类模型 | 第46页 |
| 2.4 实验结果与分析 | 第46-50页 |
| 2.4.1 实验配置与数据库 | 第46-48页 |
| 2.4.2 行为识别结果 | 第48页 |
| 2.4.3 级联双层网络的优点 | 第48-50页 |
| 2.4.4 差分抽样策略的优点 | 第50页 |
| 2.5 小结 | 第50-52页 |
| 第三章 基于动作组件模型的行为识别 | 第52-72页 |
| 3.1 引言 | 第52-55页 |
| 3.2 相关工作 | 第55-56页 |
| 3.3 模型框架概览 | 第56-57页 |
| 3.4 行为特征提取 | 第57-60页 |
| 3.4.1 外观特征提取 | 第57-59页 |
| 3.4.2 动态特征提取 | 第59页 |
| 3.4.3 特征融合 | 第59-60页 |
| 3.5 基于动作组件模型的行为表示 | 第60-64页 |
| 3.5.1 动作组件的定义 | 第60-61页 |
| 3.5.2 动作组件的自主学习 | 第61-64页 |
| 3.6 实验结果与分析 | 第64-69页 |
| 3.6.1 Weizmann数据库 | 第64-66页 |
| 3.6.2 KTH数据库 | 第66-68页 |
| 3.6.3 UIUC数据库 | 第68-69页 |
| 3.7 小结 | 第69-72页 |
| 第四章 基于注意力机制的行为识别 | 第72-88页 |
| 4.1 引言 | 第72-73页 |
| 4.2 相关工作 | 第73-75页 |
| 4.3 基于时间注意力模型的行为识别 | 第75-81页 |
| 4.3.1 深度特征提取 | 第75-78页 |
| 4.3.2 时间注意力机制分类模型 | 第78-81页 |
| 4.3.3 模型参数学习 | 第81页 |
| 4.4 实验结果分析 | 第81-85页 |
| 4.4.1 数据库和评价标准 | 第81-83页 |
| 4.4.2 模型实现细节 | 第83-84页 |
| 4.4.3 时间注意力机制的性能评价 | 第84-85页 |
| 4.5 小结 | 第85-88页 |
| 第五章 基于多位置卷积神经网络的单阶段行为检测 | 第88-102页 |
| 5.1 引言 | 第88-90页 |
| 5.2 相关工作 | 第90-92页 |
| 5.2.1 行为识别 | 第90页 |
| 5.2.2 行为检测 | 第90-91页 |
| 5.2.3 物体检测 | 第91-92页 |
| 5.3 多位置卷积神经网络 | 第92-96页 |
| 5.3.1 SMC网络结构 | 第92-95页 |
| 5.3.2 SMC网络训练 | 第95-96页 |
| 5.3.3 SMC网络测试 | 第96页 |
| 5.4 实验结果及分析 | 第96-100页 |
| 5.4.1 数据库和评价标准 | 第96-97页 |
| 5.4.2 实验细节 | 第97-98页 |
| 5.4.3 THUMOS'14数据库实验分析 | 第98页 |
| 5.4.4 MEXaction2数据库实验分析 | 第98-99页 |
| 5.4.5 行为检测速度 | 第99-100页 |
| 5.5 小结 | 第100-102页 |
| 第六章 总结与展望 | 第102-106页 |
| 6.1 本文总结 | 第102-103页 |
| 6.2 后续研究工作展望 | 第103-106页 |
| 参考文献 | 第106-118页 |
| 致谢 | 第118-120页 |
| 在读期间发表的学术论文与取得的研究成果 | 第120-121页 |