| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 本文主要贡献及论文结构 | 第12-15页 |
| 1.2.1 本文主要贡献 | 第12-13页 |
| 1.2.2 本文结构 | 第13-15页 |
| 第2章 动作识别相关理论基础 | 第15-27页 |
| 2.1 光流算法 | 第15-16页 |
| 2.1.1 理论基础 | 第15-16页 |
| 2.2 面向位移的直方图（HOD） | 第16-19页 |
| 2.2.1 理论基础 | 第16-19页 |
| 2.3 狄利克雷混合模型 | 第19-20页 |
| 2.3.1 理论基础 | 第19-20页 |
| 2.4 支持向量机 | 第20-21页 |
| 2.4.1 理论基础 | 第20-21页 |
| 2.5 隐马尔科夫模型 | 第21-22页 |
| 2.5.1 理论基础 | 第21-22页 |
| 2.6 深度学习 | 第22-24页 |
| 2.6.1 卷积神经网络（CNN） | 第22-23页 |
| 2.6.2 Alex Net网络结构 | 第23-24页 |
| 2.6.3 Caffe平台 | 第24页 |
| 2.7 本章小结 | 第24-27页 |
| 第3章 基于骨骼序列的人类动作识别研究 | 第27-47页 |
| 3.1 引言 | 第27页 |
| 3.2 国内外研究现状 | 第27-29页 |
| 3.3 识别框架及原理 | 第29-37页 |
| 3.3.1 骨骼轨迹图 | 第29-33页 |
| 3.3.2 骨骼分布图 | 第33-36页 |
| 3.3.3 卷积神经网络的训练及分类 | 第36-37页 |
| 3.4 实验与分析 | 第37-44页 |
| 3.4.1 骨骼轨迹图、骨骼分布图不同阶段的识别效果 | 第37-38页 |
| 3.4.2 G3D数据集 | 第38-40页 |
| 3.4.3 UTD-MHAD数据集 | 第40-42页 |
| 3.4.4 MSRC-12 数据集 | 第42-44页 |
| 3.5 本章小结 | 第44-47页 |
| 第4章 结合深度信息和骨骼序列的人类动作识别算法研究 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 国内外研究现状 | 第47-48页 |
| 4.3 深度信息与骨骼结合的动作识别方案 | 第48-56页 |
| 4.3.1 数据扩展 | 第49-51页 |
| 4.3.2 视频序列分割 | 第51-53页 |
| 4.3.3 自适应聚类 | 第53-54页 |
| 4.3.4 深度序列压缩 | 第54-56页 |
| 4.3.5 HMM-SVM分类 | 第56页 |
| 4.4 实验与分析 | 第56-58页 |
| 4.4.1 MSRActionPairs数据集 | 第56-57页 |
| 4.4.2 MSRDailyActivity3D数据集 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 动作识别在无人机的应用 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 国内外研究现状 | 第59-61页 |
| 5.3 识别算法及无人机系统 | 第61-66页 |
| 5.3.1 视频预处理及生成彩色纹理图 | 第61-63页 |
| 5.3.2 无人机系统 | 第63-64页 |
| 5.3.3 数据扩展及模型训练 | 第64页 |
| 5.3.4 运行时间分析 | 第64-66页 |
| 5.4 实验及分析 | 第66-69页 |
| 5.4.1 识别算法实验及分析 | 第66-67页 |
| 5.4.2 系统整体实验及分析 | 第67-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 发表论文和参加科研情况说明 | 第79-81页 |
| 缩略语表 | 第81-83页 |
| 致谢 | 第83-84页 |
