基于穿戴式传感器的人体动作识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 论文研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 1.4 论文的内容结构 | 第12-13页 |
| 第2章 人体动作识别相关技术介绍 | 第13-28页 |
| 2.1 引言 | 第13页 |
| 2.2 人体动作识别的基本步骤 | 第13页 |
| 2.3 人体运动数据的采集与三维重建 | 第13-16页 |
| 2.3.1 人体运动数据的采集 | 第13-15页 |
| 2.3.2 人体动作的三维重建 | 第15-16页 |
| 2.4 常见的人体动作特征 | 第16-19页 |
| 2.4.1 时域特征 | 第16-17页 |
| 2.4.2 变换域特征 | 第17-18页 |
| 2.4.3 抽象特征 | 第18-19页 |
| 2.5 常用的分类算法 | 第19-26页 |
| 2.5.1 隐马尔可夫模型 | 第19-22页 |
| 2.5.2 支持向量机 | 第22-26页 |
| 2.6 常用动作数据库 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 人体动作的量化方法 | 第28-36页 |
| 3.1 引言 | 第28页 |
| 3.2 人体动作量化的基本步骤 | 第28页 |
| 3.3 特征提取 | 第28-30页 |
| 3.4 动作单词的构建 | 第30-32页 |
| 3.4.1 关键姿态提取 | 第30-31页 |
| 3.4.2 层次聚类 | 第31-32页 |
| 3.5 动作文本的生成 | 第32页 |
| 3.6 实验结果与分析 | 第32-35页 |
| 3.6.1 运动序列的关键姿态提取可视化实验 | 第32-35页 |
| 3.6.2 动作词汇的性能分析 | 第35页 |
| 3.7 本章小结 | 第35-36页 |
| 第4章 基于时频特征的人体动作识别算法 | 第36-45页 |
| 4.1 引言 | 第36页 |
| 4.2 时频特征提取 | 第36-37页 |
| 4.2.1 数据分割 | 第36页 |
| 4.2.2 特征提取 | 第36-37页 |
| 4.3 特征降维 | 第37-41页 |
| 4.3.1 线性判别分析 | 第37-39页 |
| 4.3.2 主成分分析 | 第39-40页 |
| 4.3.3 广义判别分析 | 第40-41页 |
| 4.4 分类模型 | 第41-42页 |
| 4.5 实验结果与分析 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第5章 基于主题模型的人体动作识别算法 | 第45-53页 |
| 5.1 引言 | 第45页 |
| 5.2 基于潜在狄利克雷分布的建模方法 | 第45-47页 |
| 5.2.1 潜在狄利克雷分布 | 第45-46页 |
| 5.2.2 动作主题直方图 | 第46-47页 |
| 5.3 结合主题模型和隐马尔科夫模型的方法 | 第47-49页 |
| 5.4 实验结果与分析 | 第49-51页 |
| 5.5 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第58-60页 |
| 致谢 | 第60页 |
