基于时空结构关系的3D人体行为识别研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 基于深度图序列信息的行为识别 | 第12-14页 |
| 1.2.2 基于骨骼序列信息的行为识别 | 第14-16页 |
| 1.3 目前存在的主要问题 | 第16-17页 |
| 1.4 本文主要工作及创新点 | 第17-18页 |
| 1.5 本文结构安排 | 第18-19页 |
| 第二章 基于骨骼空间信息增强的3D人体行为识别 | 第19-31页 |
| 2.1 方法基本框架描述 | 第19页 |
| 2.2 骨骼空间特征 | 第19-21页 |
| 2.3 基于Res-Bi-LSTM的时空结构表达 | 第21-26页 |
| 2.3.1 长短时记忆单元 | 第21-23页 |
| 2.3.2 双向长短时记忆单元 | 第23-24页 |
| 2.3.3 残差双向长短时记忆网络 | 第24-26页 |
| 2.4 Softmax分类 | 第26页 |
| 2.5 实验结果及分析 | 第26-30页 |
| 2.5.1 NTURGB+D数据集介绍 | 第27-28页 |
| 2.5.2 网络性能与分析 | 第28-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于多尺度时间卷积网络的3D人体行为识别 | 第31-41页 |
| 3.1 方法基本框架描述 | 第31-32页 |
| 3.2 多尺度时间描述 | 第32页 |
| 3.3 多尺度时间卷积网络 | 第32-37页 |
| 3.3.1 卷积与卷积神经网络 | 第32-34页 |
| 3.3.2 时间卷积网络 | 第34-35页 |
| 3.3.3 多尺度时间卷积网络 | 第35-37页 |
| 3.4 实验结果及分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于时空结构优化的3D人体行为识别 | 第41-54页 |
| 4.1 方法基本框架描述 | 第41-42页 |
| 4.2 基于时空图卷积网络的时空特征描述 | 第42-46页 |
| 4.2.1 图卷积网络 | 第42-44页 |
| 4.2.2 骨骼时空图 | 第44页 |
| 4.2.3 时空图卷积网络 | 第44-46页 |
| 4.3 基于多尺度时间卷积网络的时空特征描述 | 第46页 |
| 4.4 基于多模型融合的3D人体行为识别 | 第46-47页 |
| 4.5 实验结果及分析 | 第47-52页 |
| 4.5.1 时空图卷积网络性能分析 | 第47-49页 |
| 4.5.2 多模型融合方法的性能分析 | 第49-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 论文工作总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 攻读学位期间参与科研项目和公开发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
