| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.2 人体动作的界定 | 第13页 |
| 1.3 国内外研究现状 | 第13-20页 |
| 1.3.1 人体动作识别的研究现状 | 第14-18页 |
| 1.3.2 基于骨架的人体动作识别研究现状 | 第18-20页 |
| 1.4 本文的主要研究内容 | 第20-21页 |
| 1.5 章节安排 | 第21-22页 |
| 第二章 骨架模型的建立 | 第22-29页 |
| 2.1 引言 | 第22页 |
| 2.2 人体骨架的几种类型 | 第22-26页 |
| 2.2.1 立体模型 | 第23-24页 |
| 2.2.2 卡片模型 | 第24页 |
| 2.2.3 火柴模型 | 第24-26页 |
| 2.3 人体骨架模型的构成 | 第26-27页 |
| 2.3.1 共生模型 | 第26页 |
| 2.3.2 形变模型 | 第26-27页 |
| 2.3.3 外观模型 | 第27页 |
| 2.4 骨架模型的优化目标 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 骨架模型训练及参数求解方法改进 | 第29-47页 |
| 3.1 引言 | 第29页 |
| 3.2 模型训练 | 第29-35页 |
| 3.2.1 训练流程 | 第29-30页 |
| 3.2.2 关节类型与k-means聚类 | 第30-33页 |
| 3.2.3 多尺度HOG特征 | 第33-35页 |
| 3.3 参数优化算法 | 第35-42页 |
| 3.3.1 基于梯度的算法 | 第36-38页 |
| 3.3.2 SDCA | 第38-42页 |
| 3.4 Priximal SDCA加速算法 | 第42-46页 |
| 3.4.1 Proximal SDCA及其改进算法 | 第42-44页 |
| 3.4.2 Proximal SDCA加速算法 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于骨架特征的动作表达 | 第47-55页 |
| 4.1 引言 | 第47页 |
| 4.2 骨架特征的提取 | 第47-48页 |
| 4.3 基于运动轨迹FFT的动作表达 | 第48-49页 |
| 4.4 基于骨架状态码本的动作表达 | 第49-50页 |
| 4.5 基于HOG特征和Fisher向量的动作表达 | 第50-54页 |
| 4.5.1 高斯混合模型 | 第50-52页 |
| 4.5.2 Fisher向量 | 第52-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 实验 | 第55-61页 |
| 5.1 数据库与预处理 | 第55-56页 |
| 5.2 人体姿态估计实验 | 第56-58页 |
| 5.2.1 人体骨架优化效率对比 | 第56-57页 |
| 5.2.2 不同算法训练的人体骨架估计性能对比 | 第57-58页 |
| 5.3 人体动作识别实验 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 未来展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的研究成果 | 第68-69页 |