| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 行为数据采集的国内外研究现状 | 第13-14页 |
| 1.2.2 行为表示算法的国内外研究现状 | 第14-16页 |
| 1.2.3 行为识别算法的国内外研究现状 | 第16-17页 |
| 1.3 本文主要研究内容与章节安排 | 第17-20页 |
| 1.3.1 主要研究内容 | 第17-18页 |
| 1.3.2 章节安排 | 第18-20页 |
| 第2章 基于骨骼点数据的行为识别相关理论 | 第20-34页 |
| 2.1 Kinect传感器 | 第20-25页 |
| 2.1.1 Kinect的硬件组成 | 第21-22页 |
| 2.1.2 Kinect的工作原理 | 第22-24页 |
| 2.1.3 人体骨骼点数据分析 | 第24-25页 |
| 2.2 行为表示算法 | 第25-29页 |
| 2.2.1 基于骨骼点数据串的行为表示算法 | 第25-27页 |
| 2.2.2 基于骨骼间夹角的行为表示算法 | 第27-29页 |
| 2.2.3 基于李群的行为表示算法 | 第29页 |
| 2.3 行为识别算法 | 第29-33页 |
| 2.3.1 基于模板匹配的行为识别算法 | 第30-31页 |
| 2.3.2 基于Boosting的行为识别算法 | 第31-32页 |
| 2.3.3 基于SVM的行为识别算法 | 第32-33页 |
| 2.4 本章小节 | 第33-34页 |
| 第3章 融合骨骼点数据串和隐藏语义的行为表示算法 | 第34-48页 |
| 3.1 行为主语义的分析与表示 | 第34-35页 |
| 3.2 行为隐藏语义的分析与表示 | 第35-41页 |
| 3.2.1 基于时间特性的人体部位位移量 | 第36-37页 |
| 3.2.2 基于空间特性的人体部位间距变化 | 第37-39页 |
| 3.2.3 基于时空特性的人体部位加速度 | 第39-41页 |
| 3.3 FSHS行为表示算法 | 第41-46页 |
| 3.3.1 人体行为的骨骼点数据串表示 | 第42页 |
| 3.3.2 人体行为的隐藏语义表示 | 第42-43页 |
| 3.3.3 人体行为数据的前期处理 | 第43-45页 |
| 3.3.4 FSHS算法实现 | 第45-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 融合 2D_CMKPCA和SVM的行为识别算法 | 第48-62页 |
| 4.1 SVM分类器 | 第48-51页 |
| 4.1.1 SVM核函数选取 | 第49-50页 |
| 4.1.2 SVM参数选取 | 第50-51页 |
| 4.2 CMKPCA算法 | 第51-54页 |
| 4.2.1 CMKPCA算法基本原理 | 第51页 |
| 4.2.2 CMKPCA算法优缺点分析 | 第51-54页 |
| 4.3 2D_CMKPCA_SVM行为识别算法 | 第54-60页 |
| 4.3.1 2D_CMKPCA算法基本原理 | 第54-58页 |
| 4.3.2 2D_CMKPCA算法具体步骤 | 第58-59页 |
| 4.3.3 2D_CMKPCA_SVM算法实现 | 第59-60页 |
| 4.4 本章小结 | 第60-62页 |
| 第5章 实验结果及分析 | 第62-76页 |
| 5.1 实验数据集 | 第62-66页 |
| 5.1.1 UTKinect数据集 | 第62-63页 |
| 5.1.2 Florence数据集 | 第63-64页 |
| 5.1.3 MSR Action 3D数据集 | 第64-66页 |
| 5.2 实验结果及分析 | 第66-74页 |
| 5.2.1 FSHS算法实验结果及分析 | 第66-69页 |
| 5.2.2 2D_CMKPCA_SVM算法实验结果及分析 | 第69-73页 |
| 5.2.3 FSHS+2D_CMKPCA_SVM算法实验结果及分析 | 第73-74页 |
| 5.3 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 进一步工作方向 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
