| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-20页 |
| 1.1 论文背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 特征表示 | 第14-16页 |
| 1.2.2 动作分类 | 第16-17页 |
| 1.2.3 现有方法分析 | 第17-18页 |
| 1.3 研究内容与章节安排 | 第18-20页 |
| 2 传统人体动作识别方法及理论 | 第20-31页 |
| 2.1 特征提取 | 第20-25页 |
| 2.1.1 光流法 | 第20-22页 |
| 2.1.2 MeanShift和Camshift算法 | 第22-23页 |
| 2.1.3 Hog3D特征 | 第23-25页 |
| 2.2 动作分类 | 第25-28页 |
| 2.2.1 隐马尔可夫模型 | 第25-27页 |
| 2.2.2 条件随机场 | 第27-28页 |
| 2.3 OPENCV介绍 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 ST-NG特征提取 | 第31-38页 |
| 3.1 静态特征 | 第31-33页 |
| 3.2 动态特征 | 第33-35页 |
| 3.3 ST-NG特征 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 4 ST-BING特征及其二进制加速算法 | 第38-51页 |
| 4.1 方法步骤 | 第38-41页 |
| 4.2 使用ST-NG特征学习动作识别模型 | 第41-46页 |
| 4.2.1 线性可分支持向量机 | 第41-42页 |
| 4.2.2 非线性可分支持向量机 | 第42-44页 |
| 4.2.3 线性不可分支持向量机 | 第44-46页 |
| 4.3 ST-NG特征的二进制加速算法 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 实验结果与分析 | 第51-58页 |
| 5.1 实验设置 | 第51-53页 |
| 5.1.1 实验数据库 | 第51-53页 |
| 5.1.2 实验环境 | 第53页 |
| 5.2 评价标准 | 第53-54页 |
| 5.3 实验结果展示与分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 作者简历及攻读硕士期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |