| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第18-53页 |
| 1.1 引言 | 第18-21页 |
| 1.2 动作识别综述 | 第21-39页 |
| 1.2.1 动作识别的研究内容 | 第22-29页 |
| 1.2.2 动作识别的研究难点 | 第29-32页 |
| 1.2.3 动作识别的研究现状 | 第32-35页 |
| 1.2.4 动作识别的主要应用 | 第35-39页 |
| 1.3 手势姿态估计综述 | 第39-50页 |
| 1.3.1 手势姿态估计的研究内容 | 第39-43页 |
| 1.3.2 手势姿态估计的研究难点 | 第43-45页 |
| 1.3.3 手势姿态估计的研究现状 | 第45-48页 |
| 1.3.4 手势姿态估计的主要应用 | 第48-50页 |
| 1.4 主要贡献与章节安排 | 第50-53页 |
| 第2章 基于分层表示的静态动作识别 | 第53-81页 |
| 2.1 引言 | 第53-55页 |
| 2.2 静态动作识别中的分层表示 | 第55-56页 |
| 2.3 分层表示对Fisher向量编码的改进 | 第56-60页 |
| 2.3.1 局部描述子的Fisher向量编码 | 第57-58页 |
| 2.3.2 Fisher向量的规范化 | 第58-59页 |
| 2.3.3 SIFT特征的PCA降维 | 第59页 |
| 2.3.4 空间金字塔的引入 | 第59-60页 |
| 2.4 分层表示对预训练深度网络模型的改进 | 第60-63页 |
| 2.4.1 包含重叠区域的分层表示 | 第61-62页 |
| 2.4.2 图片尺寸与像素值的规范化 | 第62页 |
| 2.4.3 特征的提取和分类 | 第62-63页 |
| 2.5 实验比较与分析 | 第63-75页 |
| 2.5.1 Sports数据集实验评估 | 第63-67页 |
| 2.5.2 PPMI+数据集实验评估 | 第67-71页 |
| 2.5.3 PPMI数据集实验评估 | 第71-72页 |
| 2.5.4 扩展的PPMI数据集实验评估 | 第72-73页 |
| 2.5.5 Stanford40数据集实验评估 | 第73-75页 |
| 2.5.6 综合比较 | 第75页 |
| 2.6 应用示例 | 第75-80页 |
| 2.6.1 动作实例检测 | 第76-78页 |
| 2.6.2 训练与测试 | 第78-79页 |
| 2.6.3 软件实现 | 第79-80页 |
| 2.7 本章小结 | 第80-81页 |
| 第3章 有监督时间序列分割导出的离线动作识别 | 第81-105页 |
| 3.1 引言 | 第81-82页 |
| 3.2 动作识别与运动分割的相关研究 | 第82-83页 |
| 3.3 动作识别与时间序列的相关研究 | 第83-84页 |
| 3.4 基于动态时间规整与岭回归的三维骨骼序列识别 | 第84-91页 |
| 3.4.1 三维骨骼序列的预处理与表示 | 第85-89页 |
| 3.4.2 三维骨骼序列的协同表达 | 第89-91页 |
| 3.5 有监督时间序列分割 | 第91-93页 |
| 3.5.1 双向传播搜索方案 | 第91-92页 |
| 3.5.2 全局分割点的确定 | 第92-93页 |
| 3.6 实验比较与分析 | 第93-102页 |
| 3.6.1 离线动作识别实验评估 | 第94-96页 |
| 3.6.2 离线运动分割实验评估 | 第96-100页 |
| 3.6.3 仿真信号分割实验评估 | 第100-102页 |
| 3.7 应用示例 | 第102-104页 |
| 3.7.1 动作实例分割 | 第102-103页 |
| 3.7.2 训练与测试 | 第103页 |
| 3.7.3 软件实现 | 第103-104页 |
| 3.8 本章小结 | 第104-105页 |
| 第4章 深度图与三维骨骼数据相结合的在线动作识别 | 第105-132页 |
| 4.1 引言 | 第105页 |
| 4.2 离线动作识别相关研究 | 第105-107页 |
| 4.3 在线动作识别相关研究 | 第107页 |
| 4.4 基于字典学习与正则化线性回归的在线动作识别 | 第107-113页 |
| 4.4.1 成对相对关节位置的人体姿态表示 | 第108-109页 |
| 4.4.2 局部占有模式的交互物体形状表示 | 第109-110页 |
| 4.4.3 基于K-SVD的冗余训练数据压缩 | 第110-111页 |
| 4.4.4 帧层次在线动作识别 | 第111-113页 |
| 4.4.5 时间维度平滑方案 | 第113页 |
| 4.5 基于深度运动图的在线动作识别 | 第113-119页 |
| 4.5.1 深度运动图 | 第114-115页 |
| 4.5.2 人物前景分割 | 第115-116页 |
| 4.5.3 子序列的离线随机分割与在线顺序分割 | 第116-117页 |
| 4.5.4 深度运动图与其互补特征的融合 | 第117-118页 |
| 4.5.5 子序列层次在线动作识别 | 第118-119页 |
| 4.6 实验比较与分析 | 第119-128页 |
| 4.6.1 MSR 3D Online Action数据集实验评估 | 第119-124页 |
| 4.6.2 MSR Daily Activity 3D数据集实验评估 | 第124-127页 |
| 4.6.3 运行实时性实验评估 | 第127-128页 |
| 4.7 应用示例 | 第128-131页 |
| 4.7.1 训练与测试 | 第128-130页 |
| 4.7.2 软件实现 | 第130-131页 |
| 4.8 本章小结 | 第131-132页 |
| 第5章 基于深度残差网络的手势姿态估计 | 第132-152页 |
| 5.1 引言 | 第132-133页 |
| 5.2 残差模块的引入与优化 | 第133-141页 |
| 5.2.1 深度图的预处理 | 第133-134页 |
| 5.2.2 无残差模块的普通深度网络 | 第134-137页 |
| 5.2.3 深度残差网络架构的初步探索 | 第137-139页 |
| 5.2.4 深度残差网络架构的优化 | 第139-140页 |
| 5.2.5 瓶颈层在深度残差网络中的作用 | 第140-141页 |
| 5.3 实验比较与分析 | 第141-149页 |
| 5.3.1 ICVL数据集实验评估 | 第142-146页 |
| 5.3.2 MSRA15数据集实验评估 | 第146-148页 |
| 5.3.3 综合比较 | 第148-149页 |
| 5.4 应用示例 | 第149-151页 |
| 5.4.1 训练与测试 | 第149-150页 |
| 5.4.2 软件实现 | 第150-151页 |
| 5.5 本章小结 | 第151-152页 |
| 第6章 深度相机的动态跟踪性能测定 | 第152-168页 |
| 6.1 引言 | 第152-154页 |
| 6.2 主流的深度相机 | 第154-155页 |
| 6.3 传统的深度相机静态性能测定方法 | 第155-156页 |
| 6.4 传统的深度相机动态性能测定方法 | 第156-157页 |
| 6.5 引入数控直线滑块导轨的测定方法 | 第157-159页 |
| 6.6 实验装置的合理性与优势 | 第159-160页 |
| 6.7 实验评估与分析 | 第160-167页 |
| 6.7.1 实验安排 | 第161-162页 |
| 6.7.2 评估标准 | 第162-163页 |
| 6.7.3 测定结果 | 第163-165页 |
| 6.7.4 动态测定结果与静态测定结果的比较 | 第165页 |
| 6.7.5 对于动作识别和手势姿态估计的意义 | 第165-167页 |
| 6.8 本章小结 | 第167-168页 |
| 第7章 总结与展望 | 第168-171页 |
| 7.1 全文总结 | 第168-169页 |
| 7.2 研究展望 | 第169-171页 |
| 参考文献 | 第171-187页 |
| 攻读博士学位期间主要的研究成果 | 第187-188页 |
| 致谢 | 第188页 |
