| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 基于RGB视频的人体行为识别 | 第10-12页 |
| 1.2.2 基于深度视频的人体行为识别 | 第12-13页 |
| 1.3 本文研究内容简介 | 第13-15页 |
| 第二章 基于新投影策略和能量均匀化视频分割的人体行为识别 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 常用的行为识别深度视频数据库 | 第15-17页 |
| 2.3 不同投影策略 | 第17-19页 |
| 2.4 基于能量均匀化的视频分割 | 第19-21页 |
| 2.5 LBP特征提取 | 第21-23页 |
| 2.6 SVM分类器原理 | 第23-24页 |
| 2.7 实验结果与分析 | 第24-27页 |
| 2.7.1 基于MSRAction3D数据库的人体行为识别 | 第24-26页 |
| 2.7.2 基于MSRGesture3D数据库的人体行为识别 | 第26-27页 |
| 2.8 本章小结 | 第27-28页 |
| 第三章 结合多尺度有向DMM和Log-Gabor的人体行为识别 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 多尺度有向DMM | 第28-30页 |
| 3.3 Log-Gabor特征提取 | 第30-34页 |
| 3.4 CRC分类器原理 | 第34-35页 |
| 3.5 实验结果与分析 | 第35-37页 |
| 3.5.1 基于MSRAction3D数据库的人体行为识别 | 第35-36页 |
| 3.5.2 基于MSRGesture3D数据库的人体行为识别 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于改进DMM和卷积神经网络的人体行为识别 | 第38-54页 |
| 4.1 引言 | 第38-39页 |
| 4.2 数据输入预处理 | 第39-44页 |
| 4.2.1 伪彩色处理 | 第39-40页 |
| 4.2.2 数据增广 | 第40-43页 |
| 4.2.3 深度视频序列处理 | 第43-44页 |
| 4.3 网络结构 | 第44-47页 |
| 4.3.1 卷积神经网络 | 第44-45页 |
| 4.3.2 VGG-16网络 | 第45-47页 |
| 4.4 特征提取和编码 | 第47-50页 |
| 4.4.1 空间金字塔池化 | 第47-48页 |
| 4.4.2 Fisher编码 | 第48-50页 |
| 4.5 实验结果与分析 | 第50-53页 |
| 4.5.1 基于MSRAction3D数据库的人体行为识别 | 第50-52页 |
| 4.5.2 基于MSRGesture3D数据库的人体行为识别 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54-55页 |
| 5.2 研究展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第61页 |
