人体行为特征提取方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 基于RGB的行为特征提取方法 | 第12-13页 |
| 1.2.2 基于深度图像的行为特征提取方法 | 第13-14页 |
| 1.2.3 基于骨骼数据的行为特征提取方法 | 第14-15页 |
| 1.3 论文的主要内容和章节安排 | 第15-19页 |
| 1.3.1 本文研究内容 | 第15-17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 第2章 骨骼数据统一描述模型构建 | 第19-26页 |
| 2.1 人体骨骼数据统一描述 | 第19-24页 |
| 2.1.1 Kinect获取数据原理 | 第19-20页 |
| 2.1.2 基于NITE的骨骼数据统一描述模型 | 第20-24页 |
| 2.2 人体骨骼数据的均值滤波 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 基于骨骼数据的行为特征提取 | 第26-42页 |
| 3.1 骨骼数据的局部特征提取 | 第26-28页 |
| 3.2 骨骼数据局部特征聚合 | 第28-34页 |
| 3.2.1 视觉词袋模型 | 第29-30页 |
| 3.2.2 Fisher向量模型 | 第30-31页 |
| 3.2.3 基于VLAD的骨骼局部特征聚合 | 第31-34页 |
| 3.3 分类方法 | 第34-37页 |
| 3.3.1 K-近邻算法 | 第34-35页 |
| 3.3.2 支持向量机 | 第35-37页 |
| 3.4 仿真实验与分析 | 第37-41页 |
| 3.4.1 相对位移特征的选取 | 第37-38页 |
| 3.4.2 相对位置特征选择 | 第38-40页 |
| 3.4.3 K参数的选定 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于骨骼数据的行为特征二次提取 | 第42-58页 |
| 4.1 距离度量学习 | 第42-44页 |
| 4.2 基于LMNN的行为特征二次提取 | 第44-48页 |
| 4.3 仿真实验与分析 | 第48-57页 |
| 4.3.1 评估人体行为识别性能的基本指标 | 第48-49页 |
| 4.3.2 实验数据集 | 第49-50页 |
| 4.3.3 行为特征提二次取后对分类的影响 | 第50-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58-59页 |
| 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间发表的学术论文和参与的项目 | 第66页 |
