| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 选题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 传统的人体动作识别方法 | 第11-12页 |
| 1.2.2 基于深度视频数据的人体动作识别方法 | 第12-14页 |
| 1.3 面临的挑战 | 第14-16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 2 人体动作识别方法 | 第17-29页 |
| 2.1 运动目标检测 | 第17-18页 |
| 2.2 动作特征提取 | 第18-23页 |
| 2.2.1 基于全局的特征描述 | 第18-19页 |
| 2.2.2 基于局部的特征描述 | 第19-23页 |
| 2.3 动作分类识别 | 第23-26页 |
| 2.4 常见数据库 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 基于MEM-LBP的人体动作识别方法 | 第29-46页 |
| 3.1 运动特征表示 | 第29-33页 |
| 3.1.1 深度运动图能量 | 第29-30页 |
| 3.1.2 运动能量模型 | 第30-33页 |
| 3.2 MEM-LBP特征描述符 | 第33-37页 |
| 3.3 l_2范数协同表示分类器 | 第37-38页 |
| 3.4 实验结果及分析 | 第38-45页 |
| 3.4.1 在MSR Action3D数据库上的实验与分析 | 第38-44页 |
| 3.4.2 在MSR Gesture3D数据库上的实验与分析 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于多特征融合的人体动作识别方法 | 第46-56页 |
| 4.1 动作特征提取 | 第46-47页 |
| 4.1.1 HOG描述子 | 第46-47页 |
| 4.1.2 LBP描述子 | 第47页 |
| 4.2 KELM分类器 | 第47-48页 |
| 4.3 特征层融合 | 第48-49页 |
| 4.4 决策层融合 | 第49-51页 |
| 4.5 实验结果及分析 | 第51-54页 |
| 4.5.1 在MSR Action3D数据库上的实验与分析 | 第51-53页 |
| 4.5.2 在MSR Gesture3D数据库上的实验与分析 | 第53-54页 |
| 4.6 本章小结 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 个人简历、在学期间发表的学术论文与成果 | 第62-63页 |
| 致谢 | 第63页 |
