| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 动作特征描述 | 第12-15页 |
| 1.2.2 动作识别方法 | 第15-17页 |
| 1.3 论文研究内容和组织结构 | 第17-19页 |
| 第二章 基于骨骼数据的动作识别相关理论 | 第19-34页 |
| 2.1 动作识别实验框架 | 第19-20页 |
| 2.2 Kinect相关介绍 | 第20-25页 |
| 2.2.1 Kinect骨骼数据 | 第20-24页 |
| 2.2.2 Kinect骨骼跟踪技术 | 第24-25页 |
| 2.3 局部聚合描述子向量模型 | 第25-26页 |
| 2.4 大间隔最近邻算法 | 第26-30页 |
| 2.4.1 K-NN分类算法 | 第27-28页 |
| 2.4.2 大间隔最近邻算法 | 第28-30页 |
| 2.5 数据集介绍 | 第30-32页 |
| 2.5.1 MSR Action 3D数据集 | 第30-31页 |
| 2.5.2 UTKinect数据集 | 第31页 |
| 2.5.3 Florence-3D数据集 | 第31-32页 |
| 2.5.4 UPCV数据集 | 第32页 |
| 2.6 本章小结 | 第32-34页 |
| 第三 基于关节 点和VLAD的特征提取改进方法 | 第34-45页 |
| 3.1 基于关节点的特征提取改进方法 | 第34-40页 |
| 3.1.1 基于关节向量夹角的动作表示方法 | 第35-36页 |
| 3.1.2 基于关节位移矢量的动作表示方法 | 第36页 |
| 3.1.3 基于关节点相对位置的动作表示方法 | 第36-37页 |
| 3.1.4 构建特征集 | 第37-38页 |
| 3.1.5 实验结果分析 | 第38-40页 |
| 3.2 基于PCA白化的VLAD改进方法 | 第40-44页 |
| 3.2.1 PCA白化的原理 | 第40-41页 |
| 3.2.2 基于PCA白化的VLAD改进方法 | 第41页 |
| 3.2.3 局部聚合描述子向量的归一化改进 | 第41-42页 |
| 3.2.4 实验结果分析 | 第42-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于LMNN的动作分类算法改进 | 第45-52页 |
| 4.1 LMNN过拟合问题改进 | 第45-47页 |
| 4.1.1 过拟合问题 | 第45-46页 |
| 4.1.2 过拟合的改进 | 第46页 |
| 4.1.3 实验结果分析 | 第46-47页 |
| 4.2 基于PCA和MBGD的LMNN求解优化 | 第47-49页 |
| 4.2.1 基于PCA和MBGD的LMNN求解优化 | 第47-48页 |
| 4.2.2 实验结果分析 | 第48-49页 |
| 4.3 LMNN与SVM比较 | 第49-50页 |
| 4.4 整体性能实验结果 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 动作识别系统的实现 | 第52-60页 |
| 5.1 系统整体架构 | 第52页 |
| 5.2 系统开发环境 | 第52-53页 |
| 5.3 动作捕捉模块 | 第53页 |
| 5.3.1 骨骼预处理 | 第53页 |
| 5.4 动作分割模块 | 第53-56页 |
| 5.4.1 基于运动状态的分割方法 | 第54-55页 |
| 5.4.2 基于时间阈值的分割方法 | 第55-56页 |
| 5.5 动作训练与识别模块 | 第56页 |
| 5.5.1 动作训练模块 | 第56页 |
| 5.5.2 动作识别模块 | 第56页 |
| 5.6 系统展示 | 第56-58页 |
| 5.7 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-63页 |
| 6.1 研究内容总结 | 第60-61页 |
| 6.2 研究工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |