首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

人体动作识别方法研究

摘要第4-5页
Abstract第5页
第一章 绪论第8-13页
    1.1 课题研究背景第8-9页
    1.2 国内外研究现状第9-11页
    1.3 论文研究内容及章节安排第11-13页
第二章 人体动作识别方法概述第13-26页
    2.1 人体动作特征第13-18页
        2.1.1 STIP特征第14-15页
        2.1.2 Cuboids特征第15-17页
        2.1.3 Dense trajectory特征第17-18页
    2.2 基于低层特征的样本表征第18-22页
        2.2.1 词典学习第19-21页
        2.2.2 样本编码第21-22页
    2.3 基于语义特征的样本表征第22-23页
    2.4 分类器第23-25页
        2.4.1 K近邻分类器第24-25页
        2.4.2 支持向量机第25页
    2.5 本章小结第25-26页
第三章 基于多示例多特征的动作识别第26-32页
    3.1 引言第26-27页
    3.2 多示例学习方法概述第27-29页
    3.3 基于SVM的多示例学习方法第29-31页
    3.4 本章小结第31-32页
第四章 基于层级化方法的特征学习第32-38页
    4.1 引言第32页
    4.2 方法概述第32-33页
    4.3 时空块描述子初始化第33-34页
    4.4 底层特征学习方法第34-37页
        4.4.1 基于欧氏空间的特征学习第34-35页
        4.4.2 基于流形空间的特征学习第35-37页
    4.5 本章小结第37-38页
第五章 实验结果及分析第38-48页
    5.1 数据库第38-40页
        5.1.1 KTH数据库第38-39页
        5.1.2 M~2I数据库第39-40页
    5.2 多示例多特征学习实验结果第40-42页
        5.2.1 实验设置第40页
        5.2.2 实验结果分析第40-42页
    5.3 层级化特征学习实验结果第42-47页
        5.3.1 基于欧氏空间的实验设置与结果分析第42-45页
        5.3.2 基于流形空间的实验设置与结果分析第45-47页
    5.4 本章小结第47-48页
第六章 总结与展望第48-50页
    6.1 本文工作总结第48页
    6.2 未来展望第48-50页
参考文献第50-54页
发表论文和参加科研情况说明第54-55页
致谢第55-56页

论文共56页,点击 下载论文
上一篇:苏州绘画传统与金圣叹文学评点之人物塑造法研究
下一篇:论北宋“新旧党争”下的苏轼诗歌创作