| 摘要 | 第11-13页 |
| ABSTRACT | 第13-14页 |
| 缩略词注释表 | 第15-16页 |
| 第一章 绪论 | 第16-42页 |
| 1.1 论文选题背景及研究意义 | 第16-18页 |
| 1.2 人体模型的研究现状 | 第18-27页 |
| 1.2.1 二维人体模型的研究现状 | 第18-21页 |
| 1.2.2 三维人体模型的研究现状 | 第21-25页 |
| 1.2.3 利用三维人体模型得到二维人体模型方法的研究现状 | 第25-27页 |
| 1.3 视频中人体姿态估计的研究现状 | 第27-32页 |
| 1.3.1 分层计算姿态的方法 | 第27-29页 |
| 1.3.2 视频中运动信息的利用 | 第29-31页 |
| 1.3.3 候选样本的处理 | 第31-32页 |
| 1.4 人体行为识别的研究现状 | 第32-37页 |
| 1.4.1 基于图像局部特征进行人体行为识别 | 第33-35页 |
| 1.4.2 基于神经网络结构进行人体行为识别 | 第35-37页 |
| 1.5 论文主要研究内容及创新点 | 第37-39页 |
| 1.6 论文章节安排 | 第39-42页 |
| 第二章 全局-局部分层的人体姿态表达模型 | 第42-50页 |
| 2.1 引言 | 第42-44页 |
| 2.2 人体姿态模型的局部层 | 第44-46页 |
| 2.3 人体姿态模型的全局层 | 第46-48页 |
| 2.4 本章小结 | 第48-50页 |
| 第三章 基于多级动态算法结构的人体姿态离线估计方法 | 第50-72页 |
| 3.1 引言 | 第50-51页 |
| 3.2 人体姿态估计的多级动态算法结构 | 第51-52页 |
| 3.3 利用多级动态算法结构进行人体姿态估计 | 第52-60页 |
| 3.3.1 图像中的人体姿态 | 第52-53页 |
| 3.3.2 候选部位姿态的获取 | 第53-55页 |
| 3.3.3 虚拟姿态损耗及目标函数 | 第55-59页 |
| 3.3.4 部位姿态的优化及最优整体姿态的生成 | 第59-60页 |
| 3.4 实验分析 | 第60-70页 |
| 3.4.1 对比实验 | 第60-65页 |
| 3.4.2 虚拟姿态损耗项的有效性验证实验 | 第65-67页 |
| 3.4.3 粒子群优化算法的有效性验证实验 | 第67-68页 |
| 3.4.4 算法复杂度分析 | 第68-70页 |
| 3.4.5 姿态估计结果实例 | 第70页 |
| 3.5 本章小结 | 第70-72页 |
| 第四章 全局-局部分层的人体姿态在线估计与跟踪方法 | 第72-108页 |
| 4.1 引言 | 第72-73页 |
| 4.2 人体姿态初始化 | 第73-74页 |
| 4.3 全局层的人体姿态跟踪 | 第74-76页 |
| 4.4 局部层的人体姿态估计 | 第76-83页 |
| 4.4.1 表达图像表观特征的似然函数 | 第78-79页 |
| 4.4.2 表达图像运动特征的似然函数 | 第79-81页 |
| 4.4.3 自适应惩罚函数 | 第81-83页 |
| 4.5 人体姿态从分解到组合 | 第83-86页 |
| 4.6 算法的实现 | 第86-87页 |
| 4.7 实验验证 | 第87-106页 |
| 4.7.1 数据集描述及评价方法介绍 | 第87-89页 |
| 4.7.2 人体姿态估计与跟踪算法的比较实验 | 第89-96页 |
| 4.7.3 人体姿态估计与跟踪算法的鲁棒性实验 | 第96-102页 |
| 4.7.4 人体姿态估计与跟踪算法性能展示 | 第102-106页 |
| 4.8 本章小结 | 第106-108页 |
| 第五章 利用姿态估计结果识别视频中的人体运动行为 | 第108-130页 |
| 5.1 引言 | 第108-109页 |
| 5.2 获取运动行为的多图像序列 | 第109-113页 |
| 5.3 卷积神经网络的结构 | 第113-114页 |
| 5.4 运动行为识别特征的构造 | 第114-118页 |
| 5.5 行为分类方法及实验分析 | 第118-128页 |
| 5.5.1 人体行为数据集 | 第118-119页 |
| 5.5.2 分类方法及效果 | 第119-126页 |
| 5.5.3 行为识别方法的有效性验证 | 第126-128页 |
| 5.6 本章小结 | 第128-130页 |
| 第六章 视频中人体精细行为的识别方法 | 第130-146页 |
| 6.1 引言 | 第130-132页 |
| 6.2 视频中精细行为多图像序列的获取 | 第132-135页 |
| 6.3 构造精细行为识别特征 | 第135-139页 |
| 6.4 实验分析 | 第139-145页 |
| 6.4.1 数据集介绍 | 第139页 |
| 6.4.2 数据集预处理 | 第139-140页 |
| 6.4.3 对比实验及分析 | 第140-142页 |
| 6.4.4 算法有效性验证 | 第142-145页 |
| 6.5 本章小结 | 第145-146页 |
| 第七章 总结与展望 | 第146-150页 |
| 7.1 总结 | 第146-148页 |
| 7.2 展望 | 第148-150页 |
| 参考文献 | 第150-160页 |
| 致谢 | 第160-162页 |
| 攻读博士学位期间发表的学术论文 | 第162页 |
| 软件著作权 | 第162-164页 |
| 攻读博士学位期间参加的科研项目 | 第164-165页 |
| 学位论文评阅及答辩情况表 | 第165页 |
