| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 行为识别技术国内外发展现状 | 第10-14页 |
| 1.2.1 国外行为识别技术的发展概况 | 第10-13页 |
| 1.2.2 国内行为识别技术的发展概况 | 第13-14页 |
| 1.2.3 国内外文献综述的简析 | 第14页 |
| 1.3 本文的主要研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第2章 行为识别的相关理论研究 | 第16-31页 |
| 2.1 引言 | 第16页 |
| 2.2 行为识别中的目标检测 | 第16-21页 |
| 2.2.1 背景差分法 | 第16-17页 |
| 2.2.2 帧间差分法 | 第17-19页 |
| 2.2.3 光流法 | 第19-21页 |
| 2.3 卷积神经网络的理论基础 | 第21-28页 |
| 2.3.1 前向神经网络 | 第21-22页 |
| 2.3.2 卷积层与池化层 | 第22-24页 |
| 2.3.3 Softmax分类 | 第24-25页 |
| 2.3.4 卷积神经网络的典型结构 | 第25-28页 |
| 2.4 基于深度学习的光流法 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 组合型光流网络及光流图像的提取 | 第31-43页 |
| 3.1 引言 | 第31页 |
| 3.2 捕捉大位移光流网络 | 第31-36页 |
| 3.2.1 单输入光流网络 | 第31-33页 |
| 3.2.2 双输入光流网络 | 第33-36页 |
| 3.3 捕捉小位移光流网络 | 第36页 |
| 3.4 子网络之间的细节处理 | 第36-37页 |
| 3.5 组合型光流网络结构 | 第37-38页 |
| 3.6 对比实验效果 | 第38-42页 |
| 3.6.1 组合型光流网络的训练 | 第38-39页 |
| 3.6.2 光流提取及在行为识别任务上的验证 | 第39-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于双流结构的深度残差网络设计 | 第43-54页 |
| 4.1 引言 | 第43页 |
| 4.2 双流网络结构 | 第43-44页 |
| 4.3 残差网络 | 第44-46页 |
| 4.4 基于双流结构的深度残差网络 | 第46-51页 |
| 4.4.1 网络具体结构 | 第46-49页 |
| 4.4.2 Batch Normalization层 | 第49-51页 |
| 4.4.3 Dropout层 | 第51页 |
| 4.5 双流网络融合策略 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 深度残差双流网络异常行为分类实验分析 | 第54-65页 |
| 5.1 引言 | 第54页 |
| 5.2 深度学习计算平台 | 第54-56页 |
| 5.3 行为识别数据集 | 第56-57页 |
| 5.4 数据预处理及增益 | 第57-58页 |
| 5.5 双流深度残差网络行为识别效果分析 | 第58-62页 |
| 5.5.1 时间流网络特征提取实验 | 第58-60页 |
| 5.5.2 空间流网络特征提取实验 | 第60-61页 |
| 5.5.3 融合结果对比分析 | 第61-62页 |
| 5.6 双流残差网络异常行为识别效果分析 | 第62-64页 |
| 5.7 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72页 |