| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 基于深度图的动作识别研究背景 | 第7-8页 |
| 1.2 人体动作识别的应用和面临的困难 | 第8-9页 |
| 1.2.1 人体动作识别的应用 | 第8-9页 |
| 1.2.2 人体动作识别面临的困难 | 第9页 |
| 1.3 基于深度图的人体动作识别的优势 | 第9-10页 |
| 1.4 本文的内容和结构 | 第10-11页 |
| 第二章 人体动作的特点和数据采集 | 第11-16页 |
| 2.1 人体的形成和特点 | 第11页 |
| 2.1.1 人体动作的形成 | 第11页 |
| 2.1.2 人体动作的特点 | 第11页 |
| 2.2 人体动作的分类 | 第11-13页 |
| 2.3 人体动作数据的采集 | 第13页 |
| 2.4 人体动作识别数据集 | 第13-16页 |
| 第三章 基于深度图的动作识别的特征提取 | 第16-24页 |
| 3.1 基于深度图动作识别的常用特征 | 第16-18页 |
| 3.2 本文提出的特征HQD | 第18-24页 |
| 3.2.1 计算DMM | 第19页 |
| 3.2.2 深度值量化 | 第19-22页 |
| 3.2.3 局部特征描述 | 第22-24页 |
| 第四章 HQD特征应用于深度图动作识别的流程和参数研究 | 第24-33页 |
| 4.1 总体流程 | 第24-25页 |
| 4.2 HQD的参数研究 | 第25-28页 |
| 4.2.1 量化方式研究 | 第26页 |
| 4.2.2 划分尺寸研究 | 第26-27页 |
| 4.2.3 量化级研究 | 第27-28页 |
| 4.3 LDA参数研究 | 第28-31页 |
| 4.3.1 LDA介绍 | 第28-30页 |
| 4.3.2 LDA维度研究 | 第30-31页 |
| 4.4 分类器参数研究 | 第31-33页 |
| 4.4.1 KNN分类器介绍 | 第31页 |
| 4.4.2 KNN分类器参数研究 | 第31-33页 |
| 第五章 实验结果 | 第33-39页 |
| 5.1 子数据集交叉测试结果 | 第33-35页 |
| 5.2 全数据集交叉测试 | 第35-39页 |
| 第六章 总结和展望 | 第39-41页 |
| 6.1 本文工作总结 | 第39页 |
| 6.2 未来工作展望 | 第39-41页 |
| 附录 | 第41-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |