| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 行为识别的一般框架 | 第10-11页 |
| 1.2.2 相关工作介绍 | 第11-13页 |
| 1.2.3 行为识别问题的挑战性 | 第13-14页 |
| 1.3 本文的内容和结构 | 第14-16页 |
| 第二章 时空兴趣点检测与运动区域提取 | 第16-26页 |
| 2.1 时空兴趣点检测 | 第16-21页 |
| 2.1.1 3D-Harris 角点检测 | 第16-18页 |
| 2.1.2 Dollar 兴趣点检测 | 第18-19页 |
| 2.1.3 Hessian 特征点检测 | 第19-21页 |
| 2.2 运动区域提取 | 第21-25页 |
| 2.2.1 时间差分法 | 第22页 |
| 2.2.2 背景减除法 | 第22-24页 |
| 2.2.3 光流法 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 运动背景中的时空兴趣点检测 | 第26-39页 |
| 3.1 光流场计算 | 第26-32页 |
| 3.1.1 Horn-Schunck 光流法 | 第26-27页 |
| 3.1.2 金字塔 Lucas-Kanade 光流法 | 第27-30页 |
| 3.1.3 块匹配光流法 | 第30-32页 |
| 3.2 兴趣区域提取 | 第32-38页 |
| 3.2.1 运动检测 | 第32-36页 |
| 3.2.2 轮廓提取 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 兴趣点特征描述 | 第39-47页 |
| 4.1 局部特征描述子 | 第39-44页 |
| 4.1.1 Cuboid 描述子 | 第39-40页 |
| 4.1.2 HOG/HOF 描述子 | 第40-41页 |
| 4.1.3 3D-HOG 描述子 | 第41-43页 |
| 4.1.4 MBH 描述子 | 第43-44页 |
| 4.2 兴趣点光流轨迹 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 基于词袋模型的行为建模 | 第47-60页 |
| 5.1 词袋模型 | 第47-48页 |
| 5.2 词典构建 | 第48-51页 |
| 5.2.1 K-均值聚类 | 第48页 |
| 5.2.2 最大互信息聚类 | 第48-51页 |
| 5.3 支持向量机分类器 | 第51-52页 |
| 5.4 实验分析 | 第52-59页 |
| 5.4.1 常用数据库介绍 | 第52-54页 |
| 5.4.2 实验分析 | 第54-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 6.1 工作总结 | 第60页 |
| 6.2 未来展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 致谢 | 第65页 |