| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究的背景与意义 | 第7-9页 |
| ·国内外研究现状与发展趋势 | 第9-10页 |
| ·人体动作识别所面临的问题 | 第10-11页 |
| ·本文的研究内容及创新点 | 第11页 |
| ·本文的主要研究内容及章节安排 | 第11-13页 |
| 第二章 动作识别方法概述 | 第13-19页 |
| ·特征提取 | 第13-15页 |
| ·非模型方法 | 第13-15页 |
| ·基于模型的方法 | 第15页 |
| ·识别算法 | 第15-18页 |
| ·基于模板的方法 | 第16页 |
| ·基于状态空间的方法 | 第16-18页 |
| ·基于语义描述方法 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于Kinect三维人体骨骼关节点特征值提取过程 | 第19-27页 |
| ·Kinect设备介绍 | 第19-23页 |
| ·Kinect硬件组成 | 第20-21页 |
| ·Kinect工作原理 | 第21-22页 |
| ·开发工具包 | 第22-23页 |
| ·人体动作特征值的提取 | 第23-26页 |
| ·骨骼数据获取 | 第23-26页 |
| ·人体动作特征提取 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第四章 特征向量的构建与帧选择模型 | 第27-35页 |
| ·特征向量的构建 | 第27-30页 |
| ·帧选择模型 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 基于模糊支持向量机的动作识别过程 | 第35-47页 |
| ·统计学习理论 | 第35-39页 |
| ·机器学习模型 | 第35-37页 |
| ·VC维理论 | 第37-38页 |
| ·结构风险最小化 | 第38-39页 |
| ·支持向量机 | 第39-42页 |
| ·最优超平面 | 第39-41页 |
| ·核函数 | 第41-42页 |
| ·模糊支持向量机 | 第42-46页 |
| ·基于标准模型的模糊支持向量机 | 第42-43页 |
| ·隶属度函数 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 实验流程与结果分析 | 第47-61页 |
| ·论文实验流程 | 第47-49页 |
| ·实验结果与分析 | 第49-60页 |
| ·MSR Action3D | 第49页 |
| ·实验分组 | 第49-51页 |
| ·实验结果 | 第51-60页 |
| ·本章小结 | 第60-61页 |
| 第七章 论文总结 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67页 |