基于人体三维骨架模型的特定动作识别
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 智能视频监控研究现状 | 第13-14页 |
| 1.2.2 深度视频人体动作检测研究现状 | 第14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 动作识别关键技术 | 第16-32页 |
| 2.1 视频人体动作识别关键技术 | 第16-22页 |
| 2.1.1 运动目标检测 | 第17-20页 |
| 2.1.2 人体姿态估计 | 第20-22页 |
| 2.2 基于三维人体骨架模型的动作识别 | 第22-27页 |
| 2.2.1 Kinect体感器 | 第23-25页 |
| 2.2.2 Kinect深度图像原理 | 第25-27页 |
| 2.3 公开数据集 | 第27-31页 |
| 2.4 本章小节 | 第31-32页 |
| 第三章 多特征融合的特征提取及特征分层 | 第32-45页 |
| 3.1 多特征融合的特征提取 | 第33-35页 |
| 3.2 特征预处理 | 第35-39页 |
| 3.2.1 体态归一化 | 第36-37页 |
| 3.2.2 DTW帧对齐 | 第37-39页 |
| 3.3 基于人体三维骨架模型的特征分层 | 第39-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于主要特征的动作序列匹配方法 | 第45-53页 |
| 4.1 基于主要特征的动作序列匹配方法 | 第45-48页 |
| 4.2 分类器SVM | 第48-51页 |
| 4.3 实验 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于局部肢体动作构建决策树的动作识别方法 | 第53-62页 |
| 5.1 随机森林与决策树 | 第53-56页 |
| 5.2 基于局部肢体动作构建决策树的动作识别方法 | 第56-58页 |
| 5.3 实验 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结和展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 引用文献 | 第65-70页 |
