| 提要 | 第4-5页 |
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.3 本文主要研究内容 | 第18-20页 |
| 1.4 本文组织结构 | 第20-21页 |
| 第2章 人脸与人体行为识别研究进展 | 第21-46页 |
| 2.1 生物特征鉴别 | 第21-24页 |
| 2.1.1 虹膜识别 | 第21-22页 |
| 2.1.2 眼周特征 | 第22页 |
| 2.1.3 人脸识别 | 第22-24页 |
| 2.1.4 步态识别 | 第24页 |
| 2.2 视频人脸分析方法 | 第24-35页 |
| 2.2.1 经典视频人脸识别方法 | 第26-31页 |
| 2.2.2 低分辨率人脸识别方法 | 第31-33页 |
| 2.2.3 视频人脸表情识别 | 第33-35页 |
| 2.3 人体行为识别研究进展 | 第35-41页 |
| 2.3.1 基于图像的人体行为识别方法 | 第35-38页 |
| 2.3.2 基于特征提取的动作识别方法 | 第38-40页 |
| 2.3.3 基于机器学习的动作识别方法 | 第40-41页 |
| 2.4 典型实验数据库 | 第41-44页 |
| 2.4.1 KTH数据库 | 第42-43页 |
| 2.4.2 Honda/UCSD数据库 | 第43-44页 |
| 2.4.3 YouTubeFaces数据库 | 第44页 |
| 2.5 本章小结 | 第44-46页 |
| 第3章 基于QPSO优化黎曼流形的视频人脸识别算法 | 第46-68页 |
| 3.1 引言 | 第46-47页 |
| 3.2 流形与流形学习 | 第47-49页 |
| 3.3 黎曼流形学习 | 第49-51页 |
| 3.4 粒子群优化 | 第51-54页 |
| 3.4.1 标准粒子群算法 | 第51-53页 |
| 3.4.2 量子粒子群优化算法 | 第53-54页 |
| 3.5 仿射包与距离度量 | 第54-56页 |
| 3.6 本文算法框架 | 第56-62页 |
| 3.6.1 特征提取 | 第58-59页 |
| 3.6.2 带有QPSO的黎曼流形学习 | 第59-62页 |
| 3.6.3 相似性度量 | 第62页 |
| 3.7 实验与分析 | 第62-67页 |
| 3.7.1 实验数据库与评价指标 | 第62-63页 |
| 3.7.2 算法参数分析 | 第63-65页 |
| 3.7.3 算法对比实验 | 第65-67页 |
| 3.8 本章小结 | 第67-68页 |
| 第4章 基于多核3D-CNN的视频人体行为识别算法 | 第68-86页 |
| 4.1 引言 | 第68-69页 |
| 4.2 人工神经网络 | 第69-71页 |
| 4.3 深度学习 | 第71-73页 |
| 4.3.1 深度信念网络 | 第71页 |
| 4.3.2 卷积神经网络 | 第71-72页 |
| 4.3.3 循环神经网络 | 第72-73页 |
| 4.4 3D-卷积神经网络 | 第73-74页 |
| 4.5 光流法 | 第74-78页 |
| 4.5.1 Lucas-Kanade光流法 | 第75-76页 |
| 4.5.2 金字塔Lucas-Kanade光流法 | 第76-78页 |
| 4.6 本文算法框架 | 第78-79页 |
| 4.7 实验与分析 | 第79-85页 |
| 4.7.1 实验数据及网络性能测试 | 第79-80页 |
| 4.7.2 算法参数分析 | 第80-84页 |
| 4.7.3 算法对比与分析 | 第84-85页 |
| 4.8 本章小结 | 第85-86页 |
| 第5章 基于局部时空连续性聚合描述的视频人脸识别算法 | 第86-101页 |
| 5.1 引言 | 第86-87页 |
| 5.2 视频纹理特征 | 第87-90页 |
| 5.2.1 LBP算子及其等价模式 | 第87-88页 |
| 5.2.2 旋转不变的VLBP算子 | 第88-90页 |
| 5.2.3 LBP-TOP算子 | 第90页 |
| 5.3 K-MEANS聚类算法 | 第90-91页 |
| 5.4 本文算法框架 | 第91-92页 |
| 5.5 基于局部时空连续性聚合描述的视频描述 | 第92-95页 |
| 5.5.1 视频纹理特征提取 | 第92-93页 |
| 5.5.2 视频纹理聚合描述 | 第93-95页 |
| 5.5.3 视频纹理聚合描述 | 第95页 |
| 5.6 视频人脸识别方法 | 第95-97页 |
| 5.6.1 视频相似度度量 | 第95-96页 |
| 5.6.2 视频纹理描述权重学习 | 第96-97页 |
| 5.7 实验结果与分析 | 第97-100页 |
| 5.7.1 算法参数选择分析 | 第97-98页 |
| 5.7.2 视频帧集合大小测试 | 第98页 |
| 5.7.3 算法对比与分析 | 第98-100页 |
| 5.8 本章小结 | 第100-101页 |
| 第6章 总结与展望 | 第101-105页 |
| 6.1 工作总结 | 第101-102页 |
| 6.2 研究展望 | 第102-105页 |
| 参考文献 | 第105-123页 |
| 攻读博士期间发表的学术论文 | 第123-125页 |
| 致谢 | 第125页 |
