| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题研究的背景与意义 | 第13-16页 |
| 1.2 人体动作识别的定义 | 第16-17页 |
| 1.3 面临的问题与挑战 | 第17-18页 |
| 1.4 本文研究内容及组织结构 | 第18-22页 |
| 1.4.1 论文研究内容和创新点 | 第18-20页 |
| 1.4.2 论文组织结构 | 第20-22页 |
| 第二章 国内外研究现状 | 第22-35页 |
| 2.1 引言 | 第22页 |
| 2.2 4D人体动作识别的特征描述 | 第22-28页 |
| 2.2.1 基于彩色信息的特征描述 | 第22-23页 |
| 2.2.2 基于深度信息的特征描述 | 第23-24页 |
| 2.2.3 基于骨骼信息的特征描述 | 第24-26页 |
| 2.2.4 基于深度学习的特征描述 | 第26-28页 |
| 2.3 4D人体动作识别数据库 | 第28-34页 |
| 2.3.1 微软Kinect简介 | 第28-30页 |
| 2.3.2 4D人体动作识别数据库 | 第30-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于彩色和深度特征融合的4D人体动作识别 | 第35-59页 |
| 3.1 引言 | 第35-36页 |
| 3.2 彩色和深度视频时空兴趣点检测 | 第36-40页 |
| 3.2.1 3D-Harris角点检测 | 第36-37页 |
| 3.2.2 Dollar兴趣点检测 | 第37-38页 |
| 3.2.3 Hessian兴趣点检测 | 第38-40页 |
| 3.2.4 DSTIP特征点检测 | 第40页 |
| 3.3 彩色和深度视频局部特征描述子 | 第40-44页 |
| 3.3.1 Cuboid描述子 | 第41-42页 |
| 3.3.2 HOG/HOF描述子 | 第42页 |
| 3.3.3 3D SIFT描述子 | 第42-43页 |
| 3.3.4 LOP描述子 | 第43-44页 |
| 3.4 基于彩色和深度特征融合的4D人体动作识别 | 第44-53页 |
| 3.4.1 研究动机 | 第44-45页 |
| 3.4.2 4D-Hessian特征点检测 | 第45页 |
| 3.4.3 LDP描述子 | 第45-47页 |
| 3.4.4 融合彩色和深度信息的4D人体动作识别特征表达 | 第47-53页 |
| 3.5 实验结果与分析 | 第53-57页 |
| 3.5.1 实验参数设置 | 第53页 |
| 3.5.2 实验数据库 | 第53-54页 |
| 3.5.3 实验结果与分析 | 第54-57页 |
| 3.6 本章小结 | 第57-59页 |
| 第四章 基于3D稀疏编码与时空-深度金字塔匹配的4D人体动作识别 | 第59-76页 |
| 4.1 引言 | 第59页 |
| 4.2 相关研究工作 | 第59-66页 |
| 4.2.1 两种常用的特征编码方法 | 第59-60页 |
| 4.2.2 过完备字典学习 | 第60-62页 |
| 4.2.3 稀疏分解算法 | 第62-63页 |
| 4.2.4 时空金字塔匹配 | 第63-66页 |
| 4.3 基于3D稀疏编码的时空-深度金字塔匹配 | 第66-71页 |
| 4.3.1 3D稀疏描述子 | 第66-67页 |
| 4.3.2 深度数据校正 | 第67-69页 |
| 4.3.3 基于3D稀疏编码的时空-深度金字塔匹配 | 第69-71页 |
| 4.4 实验结果与分析 | 第71-75页 |
| 4.4.1 实验参数设置 | 第71页 |
| 4.4.2 实验数据库 | 第71页 |
| 4.4.3 实验结果与分析 | 第71-75页 |
| 4.5 本章小结 | 第75-76页 |
| 第五章 基于卷积神经网络的4D人体动作识别 | 第76-103页 |
| 5.1 引言 | 第76-77页 |
| 5.2 卷积神经网络 | 第77-88页 |
| 5.2.1 CNN基本框架 | 第78-85页 |
| 5.2.2 参数学习 | 第85-86页 |
| 5.2.3 几种典型的卷积神经网络 | 第86-88页 |
| 5.3 基于多通道卷积神经网络的4D人体动作识别 | 第88-95页 |
| 5.3.1 多通道卷积神经网络配置 | 第89-90页 |
| 5.3.2 深度光流计算 | 第90-93页 |
| 5.3.3 实验结果及分析 | 第93-95页 |
| 5.4 基于骨骼特征3D卷积神经网络的4D人体动作识别 | 第95-102页 |
| 5.4.1 视点无关的骨骼分布图计算 | 第95-98页 |
| 5.4.2 3D CNN网络结构 | 第98-100页 |
| 5.4.3 实验结果与分析 | 第100-102页 |
| 5.5 本章小结 | 第102-103页 |
| 第六章 总结与展望 | 第103-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-117页 |
| 攻读博士学位期间取得的成果 | 第117页 |
