融合骨架特征和时空兴趣点特征的动作识别及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 论文研究目的和意义 | 第9-10页 |
| 1.2 论文研究内容 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第2章 基于深度信息的动作识别研究现状 | 第12-24页 |
| 2.1 引言 | 第12-13页 |
| 2.2 基于深度信息的动作特征描述 | 第13-20页 |
| 2.2.1 基于 3D轮廓特征 | 第13-15页 |
| 2.2.2 基于骨架点和身体部分追踪 | 第15-16页 |
| 2.2.3 基于局部时空特性 | 第16-17页 |
| 2.2.4 基于 3D光流特征 | 第17-19页 |
| 2.2.5 基于局部占有特征 | 第19-20页 |
| 2.3 基于特征融合的人体动作识别方法 | 第20-22页 |
| 2.4 动作识别应用系统 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 融合骨架特征和时空兴趣点特征的动作识别 | 第24-48页 |
| 3.1 引言 | 第24页 |
| 3.2 基于骨架节点的动作特征 | 第24-30页 |
| 3.2.1 人体骨架特征 | 第24-25页 |
| 3.2.2 视角无关的骨架特征 | 第25-29页 |
| 3.2.3 骨架特征时域建模方法 | 第29-30页 |
| 3.3 基于时空兴趣点的动作特征 | 第30-34页 |
| 3.3.1 时空兴趣点检测算子 | 第31-33页 |
| 3.3.2 时空兴趣点描述算子 | 第33-34页 |
| 3.4 动作特征融合 | 第34-37页 |
| 3.4.1 基于K-means的词袋模型 | 第34-37页 |
| 3.4.2 基于主成分分析的特征降维 | 第37页 |
| 3.5 支持向量机模型 | 第37-39页 |
| 3.6 实验 | 第39-46页 |
| 3.6.1 实验平台及实验数据 | 第39-41页 |
| 3.6.2 数据预处理 | 第41-43页 |
| 3.6.3 实验结果及分析 | 第43-46页 |
| 3.7 本章小结 | 第46-48页 |
| 第4章 基于动作识别的交互应用 | 第48-59页 |
| 4.1 引言 | 第48页 |
| 4.2 交互系统设计 | 第48-57页 |
| 4.2.1 动作数据采集模块 | 第49-50页 |
| 4.2.2 连续动作分割模块 | 第50-54页 |
| 4.2.3 动作识别模块 | 第54-56页 |
| 4.2.4 交互模块 | 第56-57页 |
| 4.3 系统演示效果 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 结论与展望 | 第59-61页 |
| 工作总结 | 第59-60页 |
| 未来展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间发表论文与研究成果清单 | 第66-67页 |
| 致谢 | 第67页 |
