| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11页 |
| 1.3 基于骨骼的行为识别简介 | 第11-15页 |
| 1.3.1 采集原始数据 | 第12页 |
| 1.3.2 骨骼表示方法 | 第12-14页 |
| 1.3.3 骨骼编码方法 | 第14-15页 |
| 1.3.4 常用分类器 | 第15页 |
| 1.4 本文的研究内容 | 第15-16页 |
| 1.5 本文的结构安排 | 第16-17页 |
| 第二章 基于Kinect骨骼数据的行为识别方法 | 第17-29页 |
| 2.1 Kinect工作原理 | 第17-21页 |
| 2.1.1 Kinect简介 | 第17-18页 |
| 2.1.2 Kinect深度图像产生原理 | 第18-19页 |
| 2.1.3 Kinect骨骼捕捉原理 | 第19-21页 |
| 2.1.4 Kinect骨骼坐标系研究 | 第21页 |
| 2.2 基于骨骼的人体行为识别 | 第21-25页 |
| 2.2.1 当前主要骨骼表示方法简介 | 第23-25页 |
| 2.3 分类器简介 | 第25-28页 |
| 2.3.1 SVM分类器 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 骨骼层级模型表示方法 | 第29-40页 |
| 3.1 骨骼层级模型 | 第29-30页 |
| 3.1.1 骨骼层级模型的引入 | 第29-30页 |
| 3.1.2 骨骼层级模型的人体表示方法 | 第30页 |
| 3.2 协方差特征向量提取 | 第30-32页 |
| 3.2.1 时间分片方法 | 第31-32页 |
| 3.2.2 协方差特征表示 | 第32页 |
| 3.3 实验结果与分析 | 第32-38页 |
| 3.3.1 MSRC-12数据库实验与结果分析 | 第32-35页 |
| 3.3.2 MSR-Action3D数据库实验与结果分析 | 第35-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 基于身体分块机制的行为识别 | 第40-49页 |
| 4.1 身体分块方法 | 第40-41页 |
| 4.2 支持向量机决策机制 | 第41-42页 |
| 4.3 各分组的权重计算方法 | 第42-43页 |
| 4.4 决策方法 | 第43-44页 |
| 4.5 实验结果与分析 | 第44-48页 |
| 4.5.1 MSR-Action3D数据库实验与结果分析 | 第44-46页 |
| 4.5.2 UTkinect数据库实验与结果分析 | 第46-48页 |
| 4.6 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 1 程序清单 | 第54-55页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 附录 3 攻读硕士学位期间申请的专利 | 第56-57页 |
| 附录 4 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |