| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 行为识别方法介绍 | 第10-12页 |
| 1.3 行为识别现存问题 | 第12-13页 |
| 1.4 主要工作与内容安排 | 第13-15页 |
| 1.4.1 本文的主要工作 | 第13页 |
| 1.4.2 本文的内容安排 | 第13-15页 |
| 第2章 深度序列的行为识别 | 第15-25页 |
| 2.1 深度序列行为识别框架 | 第15-16页 |
| 2.2 深度序列定义 | 第16-17页 |
| 2.3 深度数据的获取 | 第17-20页 |
| 2.3.1 捕获过程 | 第18-19页 |
| 2.3.2 数据表示 | 第19页 |
| 2.3.3 滤波和去噪 | 第19-20页 |
| 2.4 深度序列的行为识别 | 第20-24页 |
| 2.4.1 3D轮廓的行为识别 | 第21页 |
| 2.4.2 骨架关节及身体部位的跟踪识别 | 第21-22页 |
| 2.4.3 局部时空特征的行为识别 | 第22-23页 |
| 2.4.4 局部占用特征的行为识别 | 第23页 |
| 2.4.5 3D光流的行为识别 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 HOGD和LBP融合特征的人体行为识别 | 第25-37页 |
| 3.1 相关研究工作 | 第25-27页 |
| 3.2 HOGD和LBP融合特征提取 | 第27-32页 |
| 3.2.1 HOGD特征 | 第27-30页 |
| 3.2.2 LBP特征 | 第30-31页 |
| 3.2.3 PCA降维 | 第31-32页 |
| 3.2.4 特征融合 | 第32页 |
| 3.3 融合特征的行为分类 | 第32-33页 |
| 3.4 实验结果与分析 | 第33-35页 |
| 3.4.1 DHA数据集 | 第33-34页 |
| 3.4.2 实验结果与分析 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 时空局部法向量特征的人体行为识别 | 第37-49页 |
| 4.1 相关研究工作 | 第37-38页 |
| 4.2 时空兴趣点提取 | 第38-40页 |
| 4.2.1 时空滤波 | 第38-39页 |
| 4.2.2 噪声抑制 | 第39-40页 |
| 4.2.3 兴趣点检测 | 第40页 |
| 4.3 时空局部法向量特征描述 | 第40-42页 |
| 4.3.1 表面法向量 | 第40-41页 |
| 4.3.2 法向量梯度量化 | 第41页 |
| 4.3.3 法线直方图 | 第41-42页 |
| 4.4 时空局部法向量的行为表示 | 第42-43页 |
| 4.5 时空局部法向量行为分类 | 第43-44页 |
| 4.6 实验结果与分析 | 第44-48页 |
| 4.6.1 MSRAction3D数据集实验结果 | 第44-46页 |
| 4.6.2 MSRDailyActivity3D数据集实验结果 | 第46-48页 |
| 4.6.3 结果分析 | 第48页 |
| 4.7 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-52页 |
| 5.1 总结 | 第49-50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 硕士学位期间学术论文及研究成果 | 第58页 |