自然场景第一视角的行为判别方法研究 | |
论文目录 | |
摘要 | 第1-6页 |
abstract | 第6-7页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 行为识别国内外研究现状 | 第13-17页 |
1.2.1 基于手工提取特征的行为识别研究现状 | 第13-14页 |
1.2.2 基于深度学习方法的行为识别研究现状 | 第14-17页 |
1.3 第一视角行为识别面临的挑战 | 第17页 |
1.4 论文的主要研究内容 | 第17-18页 |
1.5 本文章节安排 | 第18-20页 |
第二章 第一视角日常行为识别数据库的建立 | 第20-31页 |
2.1 引言 | 第20-21页 |
2.2 行为识别数据库的构建 | 第21-25页 |
2.2.1 现有数据库存在的问题 | 第21-23页 |
2.2.2 自然场景第一视角日常行为识别数据库的构建 | 第23-25页 |
2.3 本章数据库的整理和分析 | 第25-30页 |
2.3.1 本章数据库同现有数据库的对比 | 第26-27页 |
2.3.2 本章数据库的分析 | 第27-30页 |
2.4 本章小结 | 第30-31页 |
第三章 基于时间多尺度的行为识别方法 | 第31-43页 |
3.1 引言 | 第31-32页 |
3.2 问题描述 | 第32页 |
3.3 基于时间多尺度的行为识别网络框架 | 第32-37页 |
3.3.1 方法概述 | 第32-33页 |
3.3.2 时间多尺度特征信息的必要性 | 第33-34页 |
3.3.3 构建时间多尺度特征谱 | 第34-36页 |
3.3.4 多支路预测行为 | 第36-37页 |
3.4 实验结果及分析 | 第37-42页 |
3.4.1 实验环境 | 第37页 |
3.4.2 网络模型训练 | 第37-38页 |
3.4.3 客观实验结果评测与分析 | 第38-41页 |
3.4.4 主观实验结果评测与分析 | 第41-42页 |
3.5 本章小结 | 第42-43页 |
第四章 基于运动矢量的行为识别方法 | 第43-58页 |
4.1 引言 | 第43-44页 |
4.2 问题描述 | 第44页 |
4.3 运动矢量特征提取网络的设计 | 第44-48页 |
4.3.1 运动矢量特征提取网络的设计动机 | 第44-45页 |
4.3.2 运动矢量的特征提取方法 | 第45-48页 |
4.4 特征融合网络模型设计 | 第48-52页 |
4.4.1 现有特征融合方法的缺陷 | 第49-50页 |
4.4.2 本文特征融合方法 | 第50-52页 |
4.5 实验结果与分析 | 第52-57页 |
4.5.1 网络模型训练 | 第52页 |
4.5.2 客观实验结果评测与分析 | 第52-55页 |
4.5.3 主观实验结果评测与分析 | 第55-57页 |
4.6 本章小结 | 第57-58页 |
第五章 基于全局运动参数的行为识别方法 | 第58-70页 |
5.1 引言 | 第58页 |
5.2 问题描述 | 第58-59页 |
5.3 基于全局运动参数的行为识别网络框架 | 第59-64页 |
5.3.1 方法概述 | 第59-60页 |
5.3.2 六参数模型全局运动参数估计 | 第60-61页 |
5.3.3 全局运动参数的特征提取方法 | 第61-63页 |
5.3.4 特征融合网络模型设计 | 第63-64页 |
5.4 实验结果及分析 | 第64-68页 |
5.4.1 网络模型训练 | 第64-65页 |
5.4.2 客观实验结果评测与分析 | 第61-67页 |
5.4.3 主观实验结果评测与分析 | 第67-68页 |
5.5 本章小结 | 第68-70页 |
第六章 总结与展望 | 第70-72页 |
6.1 总结 | 第70-71页 |
6.2 展望 | 第71-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-80页 |
攻读硕士学位期间取得的成果 | 第80页 |
本篇论文共80页,点击
这进入下载页面 |
|
Copyright(C) All Rights Reserved |
客服QQ:304386486 |
目录由用户 68681** 提供,作者删除入口请点击这里 |