| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 运动人体提取 | 第13页 |
| 1.2.2 人体行为表示方法 | 第13-16页 |
| 1.2.3 人体行为识别分类方法 | 第16-17页 |
| 1.3 行为识别数据库概述 | 第17-18页 |
| 1.3.1 MSR Action 3D数据库 | 第17页 |
| 1.3.2 MSR Daily Activity 3D数据库 | 第17-18页 |
| 1.3.3 MSR Action Pairs 3D数据库 | 第18页 |
| 1.4 研究内容与主要工作 | 第18页 |
| 1.5 本文结构 | 第18-20页 |
| 第2章 行为识别理论基础 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 Kinect与深度图信息 | 第20-22页 |
| 2.2.1 Kinect传感器 | 第20-21页 |
| 2.2.2 深度图信息 | 第21-22页 |
| 2.3 图像去噪 | 第22-23页 |
| 2.4 视频关键帧提取 | 第23-25页 |
| 2.5 运动人体提取常见的方法 | 第25-28页 |
| 2.5.1 帧间差分法 | 第25-26页 |
| 2.5.2 背景减除法 | 第26-27页 |
| 2.5.3 光流法 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于自动抠像的运动人体提取 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 基于显著性检测的自动抠像 | 第29-33页 |
| 3.2.1 基于全局对比度的显著性检测 | 第30-31页 |
| 3.2.2 自动抠像方法 | 第31-33页 |
| 3.3 实验结果与分析 | 第33-37页 |
| 3.3.1 自动抠像方法结果比较 | 第33-34页 |
| 3.3.2 检测性能比较 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于HTGHOG的行为表示 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 HOG特征描述器 | 第38-40页 |
| 4.3 HTGHOG行为表示 | 第40-41页 |
| 4.3.1 HTG特征描述器 | 第40页 |
| 4.3.2 HTGHOG行为表示 | 第40-41页 |
| 4.3.3 时间分层构建 | 第41页 |
| 4.4 行为分类 | 第41-43页 |
| 4.5 实验结果与分析 | 第43-51页 |
| 4.5.1 深度视频序列上的实验结果与分析 | 第43-50页 |
| 4.5.2 RGB视频序列上的实验结果与分析 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第60-61页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第61-62页 |
| 致谢 | 第62页 |