| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 选题的研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于人为设计特征的方法 | 第13-17页 |
| 1.2.2 基于深度学习的方法 | 第17页 |
| 1.3 面临的挑战 | 第17-18页 |
| 1.4 本文研究内容 | 第18-20页 |
| 2 深度图像的人体动作识别方法 | 第20-33页 |
| 2.1 深度图像数据 | 第20-23页 |
| 2.1.1 深度图像性质 | 第20-22页 |
| 2.1.2 常用人体动作识别数据库 | 第22-23页 |
| 2.2 动作特征提取 | 第23-28页 |
| 2.2.1 深度运动图(Depth Motion Maps) | 第24-25页 |
| 2.2.2 梯度方向直方图(Histograms of Oriented Gradients) | 第25-26页 |
| 2.2.3 局部二值模式(Local Binar yPatterns) | 第26-28页 |
| 2.3 动作分类识别 | 第28-32页 |
| 2.3.1 SVM线性可分 | 第30-31页 |
| 2.3.2 SVM线性不可分 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于全局和局部特征的人体动作识别 | 第33-47页 |
| 3.1 三维运动轨迹模型(3DMTM) | 第34-35页 |
| 3.2 3DMTM-MHOG描述符 | 第35-36页 |
| 3.3 3DMTM-Gist描述符 | 第36-38页 |
| 3.4 降维和分类 | 第38-40页 |
| 3.4.1 PCA降维 | 第38-40页 |
| 3.4.2 分类 | 第40页 |
| 3.5 实验结果及分析 | 第40-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 基于时间和空间特征融合的人体动作识别 | 第47-58页 |
| 4.1 PHOG~2描述符 | 第47-49页 |
| 4.2 DMM-LBP描述符 | 第49-50页 |
| 4.3 使用CCA进行特征融合 | 第50-52页 |
| 4.4 实验结果及分析 | 第52-57页 |
| 4.4.1 MSR Gesture 3D数据库上的实验结果及分析 | 第52-55页 |
| 4.4.2 DHA数据库上的实验结果及分析 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 工作总结 | 第58-59页 |
| 5.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 个人简历、在学期间发表的学术论文与成果 | 第65-66页 |
| 个人简历 | 第65页 |
| 在学期间发表的学术论文与研究成果 | 第65-66页 |
| 致谢 | 第66页 |
