声明
第一章 绪 论
1.1 研究背景及意义
1.2 行为识别技术的发展
1.2.1 行为识别研究难点
1.2.2 国内外研究现状
1.3 本文主要贡献与创新
1.4 论文结构安排
第二章 神经网络理论基础
2.1.1 感知器
2.1.2 反向传播算法
2.2 卷积神经网络
2.2.1 卷积层
2.2.2 池化层
2.2.3 CNN的网络架构
2.2.4 参数学习
2.3 循环神经网络
2.3.1 时序数据的处理
2.3.2 循环神经网络模型
2.3.3 参数学习
2.4 本章小结
第三章 视频数据预处理和特征提取
3.1 数据集介绍
3.1.1 UCF101
3.1.2 HMDB51
3.2 截取视频帧序列
3.2.1 均匀切帧
3.2.2 随机切帧
3.2.3 随机均匀切帧
3.3 帧序列预处理
3.3.1 裁剪黑边
3.3.2 归一化
3.4 基于预训练网络的特征提取
3.4.1 常见的卷积神经网络模型
3.4.2 使用预训练的CNN作为特征提取器
3.4.3 金字塔池化层
3.5 本章小结
第四章 基于改进注意力机制的视频行为识别模型
4.1.1 简单循环神经网络
4.1.2 长短期记忆网络
4.2 注意力机制简介
4.3.1 VideoAttn模型
4.3.2 模型训练
4.4.1 UCF101数据集实验分析
4.4.2 HMDB51数据集实验分析
4.5 VideoAttn模型在司机违规行为识别中的应用
4.5.1 数据集描述与预处理
4.5.2 实验结果分析
4.6 本章小结
第五章 基于卷积网络的视频行为识别模型
5.1 卷积神经网络应用于序列建模
5.2.1 VideoCNN模型
5.2.2 模型训练
5.3 实验结果与分析
5.4 VideoCNN模型在司机违规行为识别中的应用
5.5 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果