| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-8页 |
| ·人体运动识别的应用前景 | 第8-10页 |
| ·人体运动识别的研究难点 | 第10-11页 |
| ·人体运动识别的研究方法及现状 | 第11-13页 |
| ·本论文的研究工作与结构安排 | 第13-15页 |
| 第二章 人体运动识别相关技术 | 第15-25页 |
| ·基于机器学习的人体运动识别 | 第15页 |
| ·特征描述 | 第15-18页 |
| ·全局特征 | 第16-17页 |
| ·局部特征 | 第17-18页 |
| ·识别方法 | 第18-21页 |
| ·人体运动识别数据库 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于混合特征的人体运动识别方法 | 第25-41页 |
| ·第二代曲线波变换 | 第25-29页 |
| ·连续曲线波变换 | 第26-27页 |
| ·离散曲线波变换 | 第27-29页 |
| ·人体运动特征提取方法 | 第29-33页 |
| ·边缘特征提取 | 第30-31页 |
| ·纹理特征提取 | 第31-33页 |
| ·实验及结果 | 第33-40页 |
| ·实验样本及设置 | 第34页 |
| ·基于 Curvelet 的特征选择实验 | 第34-36页 |
| ·实验结果 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于时空兴趣点检测的人体运动识别方法 | 第41-61页 |
| ·基于兴趣点检测的特征表示方法 | 第41-43页 |
| ·基于兴趣点检测的人体运动识别的统计特征 | 第43-48页 |
| ·兴趣点检测 | 第43页 |
| ·基于时空兴趣点检测的统计特征 | 第43-48页 |
| ·实验及结果 | 第48-60页 |
| ·Weizmann 数据库的仿真实验 | 第48-57页 |
| ·KTH 数据库的仿真实验 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于时空梯度特征的分部位的人体运动识别方法 | 第61-73页 |
| ·人体的图结构模型 | 第61-62页 |
| ·基于时空梯度特征的分部位的人体运动特征 | 第62-65页 |
| ·实验及结果 | 第65-71页 |
| ·实验设置 | 第65-66页 |
| ·实验结果 | 第66-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结与展望 | 第73-77页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 硕士期间的学术成果 | 第85-86页 |