| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 传统的人体动作识别方法 | 第12-13页 |
| 1.2.2 基于深度数据的人体动作识别方法 | 第13-15页 |
| 1.2.3 人体动作识别数据库 | 第15页 |
| 1.3 人体动作识别面临的挑战 | 第15-16页 |
| 1.4 研究内容与组织结构 | 第16-18页 |
| 2 人体动作识别方法研究 | 第18-23页 |
| 2.1 运动目标的检测 | 第18-19页 |
| 2.2 动作特征的提取 | 第19-21页 |
| 2.2.1 轮廓和剪影特征 | 第19-20页 |
| 2.2.2 时空兴趣特征点 | 第20页 |
| 2.2.3 局部描述符 | 第20页 |
| 2.2.4 本文中的运动特征 | 第20-21页 |
| 2.3 人体动作的识别 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于骨骼数据的动作识别算法 | 第23-35页 |
| 3.1 人体骨骼模型 | 第24-28页 |
| 3.1.1 骨骼空间位置模型 | 第25-26页 |
| 3.1.2 骨骼运动模型 | 第26-27页 |
| 3.1.3 骨骼角度模型 | 第27-28页 |
| 3.2 降维方法 | 第28-30页 |
| 3.2.1 线性子空间降维方法 | 第28-30页 |
| 3.3 隐马尔科夫模型 | 第30-31页 |
| 3.3.1 概率图模型 | 第30页 |
| 3.3.2 隐马尔科夫模型 | 第30-31页 |
| 3.4 实验 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于深度图像的快速识别算法 | 第35-45页 |
| 4.1 深度运动特征提取 | 第35-38页 |
| 4.2 SVM分类器 | 第38-39页 |
| 4.3 实验结果分析 | 第39-44页 |
| 4.3.1 MSR Action3D数据库上的实验与分析 | 第40-43页 |
| 4.3.2 MSR Gesture3D数据库上的实验与分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于时空金字塔的人体动作识别算法 | 第45-58页 |
| 5.1 时间深度模型 | 第45-48页 |
| 5.1.1 自适应时间能量金字塔 | 第45-48页 |
| 5.1.2 时间深度模型（TDM） | 第48页 |
| 5.2 TDM-SPHOG描述符 | 第48-50页 |
| 5.2.1 HOG运算符 | 第49页 |
| 5.2.2 空间金字塔方向梯度直方图（SPHOG） | 第49-50页 |
| 5.3 协同表示 | 第50-52页 |
| 5.4 实验结果分析 | 第52-57页 |
| 5.4.1 MSR Action3D数据库上的实验与分析 | 第52-56页 |
| 5.4.2 MSR Gesture3D数据库上的实验与分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58-59页 |
| 6.2 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第64-65页 |
| 致谢 | 第65页 |
