| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 动作识别的国内进展 | 第10-17页 |
| 1.2.1 动作表示方法 | 第11-14页 |
| 1.2.2 动作分类方法 | 第14-17页 |
| 1.2.3 连续动作的分割与识别 | 第17页 |
| 1.3 本文的主要研究工作 | 第17-19页 |
| 2 基于3D骨架信息的人体动作表示 | 第19-31页 |
| 2.1 基于3D骨架信息的人体动作模型的表示 | 第19-23页 |
| 2.1.1 人体动作模型的表示 | 第19-20页 |
| 2.1.2 静态特征 | 第20-22页 |
| 2.1.3 动态特征 | 第22-23页 |
| 2.2 帧选择模型 | 第23-25页 |
| 2.3 动作模型的分析 | 第25-29页 |
| 2.3.1 预处理 | 第25页 |
| 2.3.2 模型分析 | 第25-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 基于DBN-HMM的动作识别 | 第31-53页 |
| 3.1 隐马尔可夫模型 | 第31-34页 |
| 3.1.1 隐马尔可夫模型的定义 | 第32-33页 |
| 3.1.2 隐马尔可夫模型的三类问题 | 第33-34页 |
| 3.2 基于混合高斯隐马尔可夫模型的帧级别标注 | 第34-39页 |
| 3.2.1 GMM-HMM模型的训练 | 第34-37页 |
| 3.2.2 帧级别的标注 | 第37-39页 |
| 3.3 基于DBN-HMM的动作识别 | 第39-45页 |
| 3.3.1 深度置信网络 | 第39-40页 |
| 3.3.2 基于CRBM-DBN网络模型的训练 | 第40-44页 |
| 3.3.3 基于DBN-HMM的动作识别 | 第44-45页 |
| 3.4 实验结果及分析 | 第45-51页 |
| 3.4.1 MSR Action 3D数据库的测试与分析 | 第45-49页 |
| 3.4.2 UTKinect数据库的测试与分析 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 4 连续动作的分割与识别 | 第53-63页 |
| 4.1 基于滑动窗口的连续动作分割 | 第53-56页 |
| 4.1.1 单个动作建模 | 第54页 |
| 4.1.2 连续动作分割点的检测 | 第54-56页 |
| 4.2 基于动态规划的连续动作的分割与识别 | 第56-58页 |
| 4.2.1 动态规划法求解 | 第56-58页 |
| 4.2.2 合理优化结果 | 第58页 |
| 4.3 实验结果与分析 | 第58-60页 |
| 4.4 本章小结 | 第60-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-70页 |