基于时间序列分析的行为识别技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-20页 |
| 1.1 论文的研究背景 | 第9页 |
| 1.2 论文的研究意义和存在的问题 | 第9-12页 |
| 1.3 国内外研究的现状 | 第12-18页 |
| 1.3.1 行为特征研究现状 | 第13-16页 |
| 1.3.2 人体行为建模与分类研究现状 | 第16-18页 |
| 1.4 论文的主要内容和结构安排 | 第18-20页 |
| 2 人体行为识别系统 | 第20-30页 |
| 2.1 人体行为识别系统架构 | 第20-22页 |
| 2.2 人体行为识别系统各模块描述 | 第22-27页 |
| 2.2.1 特征提取与表示 | 第22-25页 |
| 2.2.2 行为建模与分类 | 第25-27页 |
| 2.3 基于时序的行为识别系统描述 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 3 行为特征提取 | 第30-38页 |
| 3.1 人体骨架特征 | 第30-35页 |
| 3.1.1 基于kinect骨骼信息获取 | 第30-32页 |
| 3.1.2 本文RGB-D数据库介绍 | 第32-35页 |
| 3.2 几何姿势特征 | 第35-37页 |
| 3.3 本章小结 | 第37-38页 |
| 4 行为特征表示 | 第38-45页 |
| 4.1 尺度统一化处理 | 第38-41页 |
| 4.2 角度统一化处理 | 第41-42页 |
| 4.3 特征选择与融合 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 时间序列行为建模与分类 | 第45-62页 |
| 5.1 传统的稀疏表示方法 | 第45-51页 |
| 5.1.1 数学描述 | 第45-48页 |
| 5.1.2 稀疏编码算法 | 第48-50页 |
| 5.1.3 组稀疏编码算法 | 第50页 |
| 5.1.4 传统方法的限制 | 第50-51页 |
| 5.2 时序分析的稀疏表示 | 第51-60页 |
| 5.2.1 时序分析 | 第52-56页 |
| 5.2.2 目标函数表达 | 第56-57页 |
| 5.2.3 求解与优化方法 | 第57-60页 |
| 5.3 行为分类方法 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 实验结果与分析 | 第62-74页 |
| 6.1 参数选择与设置 | 第62-63页 |
| 6.2 特征表达 | 第63-67页 |
| 6.2.1 特征统一化处理实验 | 第65页 |
| 6.2.2 多特征融合实验 | 第65-67页 |
| 6.3 本文方法与传统方法的比较 | 第67-73页 |
| 6.3.1 多维时间序列建模算法与传统算法的比较 | 第67-71页 |
| 6.3.2 本文人体行为识别与传统方法的比较 | 第71-73页 |
| 6.4 本章小结 | 第73-74页 |
| 总结与展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士期间发表的论文 | 第82-83页 |
