| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状 | 第16-19页 |
| 1.3 研究内容和章节安排 | 第19-23页 |
| 2 基于Kinect与Spark的人体行为识别实验系统搭建 | 第23-42页 |
| 2.1 Kinect平台介绍 | 第23-29页 |
| 2.2 Spark计算框架介绍 | 第29-34页 |
| 2.3 实验系统搭建 | 第34-41页 |
| 2.4 本章小结 | 第41-42页 |
| 3 人体行为特征提取及行为表示方法构建 | 第42-59页 |
| 3.1 基于关节点信息的特征提取 | 第42-49页 |
| 3.2 基于角度特征的静态行为表示方法构建 | 第49-50页 |
| 3.3 基于关键帧角度特征变化序列的动态行为表示方法构建 | 第50-58页 |
| 3.4 本章小结 | 第58-59页 |
| 4 人体行为识别方法模型建立及实验结果分析 | 第59-82页 |
| 4.1 随机森林算法 | 第59-65页 |
| 4.2 行为识别的随机森林模型建立及实验结果分析 | 第65-75页 |
| 4.3 多重随机森林加权大数投票算法 | 第75-77页 |
| 4.4 行为识别的多重随机森林加权大数投票模型建立及实验结果分析 | 第77-79页 |
| 4.5 基于MSRDaily3D数据集实验结果分析 | 第79-81页 |
| 4.6 本章小结 | 第81-82页 |
| 5 总结与展望 | 第82-84页 |
| 5.1 总结 | 第82-83页 |
| 5.2 展望 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 作者简历 | 第89-91页 |
| 学位论文数据集 | 第91页 |
