第1章　引言
　1.1　應(yīng)用背景
　　1.1.1　視頻標(biāo)注與檢索
　　1.1.2　智能視頻監(jiān)控
　　1.1.3　人機(jī)交互
　1.2　研究的難點(diǎn)
　1.3　研究?jī)?nèi)容和結(jié)構(gòu)安排
　　1.3.1　研究?jī)?nèi)容及工作進(jìn)展
　　1.3.2　結(jié)構(gòu)安排
第2章　人體動(dòng)作識(shí)別的相關(guān)綜述
　2.1　視頻圖像表示
　　2.1.1　全局表示
　　2.1.2　局部表示
　2.2　人體動(dòng)作建模與分類
　　2.2.1　維數(shù)約簡(jiǎn) 第1章　引言
　1.1　應(yīng)用背景
　　1.1.1　視頻標(biāo)注與檢索
　　1.1.2　智能視頻監(jiān)控
　　1.1.3　人機(jī)交互
　1.2　研究的難點(diǎn)
　1.3　研究?jī)?nèi)容和結(jié)構(gòu)安排
　　1.3.1　研究?jī)?nèi)容及工作進(jìn)展
　　1.3.2　結(jié)構(gòu)安排
第2章　人體動(dòng)作識(shí)別的相關(guān)綜述
　2.1　視頻圖像表示
　　2.1.1　全局表示
　　2.1.2　局部表示
　2.2　人體動(dòng)作建模與分類
　　2.2.1　維數(shù)約簡(jiǎn)
　　2.2.2　直接分類
　　2.2.3　狀態(tài)空間模型方法
　2.3　方法的特點(diǎn)
　2.4　本章小結(jié)
第3章　雜亂背景和攝像機(jī)移動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)方法
　3.1　引言
　3.2　非線性各向異性擴(kuò)散濾波器及分析
　　3.2.1　Perona—Malik擴(kuò)散模型
　　3.2.2　非線性各向異性擴(kuò)散濾波
　3.3　雜亂背景和攝像機(jī)移動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)
　　3.3.1　基于非線性各向異性擴(kuò)散濾波的時(shí)空興趣點(diǎn)檢測(cè)算法
　　3.3.2　計(jì)算方法
　3.4　實(shí)驗(yàn)與分析
　　3.4.1　實(shí)驗(yàn)數(shù)據(jù)集和實(shí)驗(yàn)設(shè)置
　　3.4.2　攝像機(jī)輕微晃動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)方法比較
　　3.4.3　雜亂背景和攝像機(jī)快速運(yùn)動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)方法比較
　　3.4.4　計(jì)算復(fù)雜度分析
　3.5　本章小結(jié)
第4章　改進(jìn)的視頻抖動(dòng)自適應(yīng)的時(shí)空興趣點(diǎn)檢測(cè)方法
　4.1　引言
　4.2　視頻抖動(dòng)檢測(cè)算法
　　4.2.1　視頻畫(huà)面抖動(dòng)檢測(cè)算法
　　4.2.2　金字塔Lucas—Kanade稀疏光流特征
　　4.2.3　稀疏光流的前一后向誤差估計(jì)
　　4.2.4　基于光流運(yùn)動(dòng)熵的視頻畫(huà)面抖動(dòng)檢測(cè)算法
　4.3　基于視頻抖動(dòng)檢測(cè)算法的混合時(shí)空興趣點(diǎn)檢測(cè)
　4.4　實(shí)驗(yàn)與分析
　　4.4.1　實(shí)驗(yàn)數(shù)據(jù)集和實(shí)驗(yàn)設(shè)置
　　4.4.2　視頻抖動(dòng)檢測(cè)驗(yàn)證
　　4.4.3　靜態(tài)背景下的時(shí)空興趣點(diǎn)檢測(cè)方法比較
　　4.4.4　攝像機(jī)輕微晃動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)方法比較
　　4.4.5　雜亂背景和攝像機(jī)快速運(yùn)動(dòng)下的時(shí)空興趣點(diǎn)檢測(cè)方法比較
　4.5　本章小結(jié)
第5章　基于稀疏編碼的時(shí)空金字塔匹配的人體動(dòng)作識(shí)別
　　5.1　引言
　　5.2　稀疏編碼
　　　5.2.1　數(shù)學(xué)描述
　　　5.2.2　稀疏編碼算法
　5.3　基于BoF的人體動(dòng)作識(shí)別框架
　5.4　基于稀疏編碼的人體動(dòng)作識(shí)別方法
　　5.4.1　特征檢測(cè)和表示
　　5.4.2　基于稀疏編碼的碼書(shū)學(xué)習(xí)
　　5.4.3　基于max pooling的人體動(dòng)作描述子
　5.5　基于稀疏編碼的時(shí)空金字塔匹配
　　5.5.1　時(shí)空金字塔匹配
　　5.5.2　基于max pooIing的時(shí)空金字塔匹配
　5.6　實(shí)驗(yàn)與分析
　　5.6.1　實(shí)驗(yàn)設(shè)置
　　5.6.2　KTH數(shù)據(jù)集上的實(shí)驗(yàn)
　　5.6.3　YouTube數(shù)據(jù)集上的實(shí)驗(yàn)
　5.7　本章小結(jié)
第6章　視角無(wú)關(guān)的人體動(dòng)作識(shí)別的研究
　6.1　引言
　6.2　視角無(wú)關(guān)的人體動(dòng)作識(shí)別的研究現(xiàn)狀
　6.3　線性動(dòng)態(tài)系統(tǒng)
　　6.3.1　模型參數(shù)估計(jì)
　　6.3.2　距離度量
　6.4　基于線性動(dòng)態(tài)系統(tǒng)的視角無(wú)關(guān)的人體動(dòng)作識(shí)別
　　6.4.1　基于LDSs模型參數(shù)的局部描述子
　　6.4.2　模型參數(shù)空間中的碼書(shū)學(xué)習(xí)
　　6.4.3　動(dòng)作描述子計(jì)算
　6.5　實(shí)驗(yàn)與分析
　　6.5.1　數(shù)據(jù)集與實(shí)驗(yàn)設(shè)置
　　6.5.2　單／多目識(shí)別
　　6.5.3　交叉視角的識(shí)別
　　6.5.4　基于BoF的視角無(wú)關(guān)的動(dòng)作識(shí)別方法比較
　6.6　本章小結(jié)
第7章　復(fù)雜場(chǎng)景下魯棒的人體動(dòng)作分類方法
　7.1　引言
　7.2　超完備基的圖像稀疏表示
　7.3　基于稀疏表示的人體動(dòng)作分類算法
　　7.3.1　人體動(dòng)作的稀疏表示
　　7.3.2　基于l1最小化的稀疏表示求解方法
　　7.3.3　l1最小化優(yōu)化算法
　　7.3.4　分類方法
　7.4　在噪聲、干擾、遮擋情況下的人體動(dòng)作分類算法
　7.5　實(shí)驗(yàn)與分析
　　7.5.1　基于l1與l2最小化算法的比較
　　7.5.2　分類方法SR與SVM、K—NN的比較
　　7.5.3　魯棒性測(cè)試
　7.6　本章小結(jié)
參考文獻(xiàn)
名詞索引