| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 研究主要内容及章节安排 | 第13-16页 |
| 第二章 Kinect相关技术 | 第16-21页 |
| 2.1 Kinect简介 | 第16-18页 |
| 2.1.1 Kinect相关知识以及硬件介绍 | 第16-17页 |
| 2.1.2 Kinect 2.0介绍 | 第17-18页 |
| 2.2 Kinect驱动和SDK | 第18-19页 |
| 2.3 Kinect数据获取 | 第19-20页 |
| 2.3.1 深度数据的获取 | 第19-20页 |
| 2.3.2 骨骼数据的获取 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 基于卷积神经网络的人体动作识别方法 | 第21-48页 |
| 3.1 卷积神经网路相关知识简介 | 第21-36页 |
| 3.1.1 卷积神经网络简介 | 第21-23页 |
| 3.1.2 卷积神经网络的主要结构 | 第23-29页 |
| 3.1.3 卷积神经网络的训练 | 第29-32页 |
| 3.1.4 使用卷积神经网络注意问题 | 第32-35页 |
| 3.1.5 卷积神经网络在计算机视觉的应用 | 第35-36页 |
| 3.2 距离变化时序图和动作识别方法 | 第36-39页 |
| 3.2.1 人体骨架规范化 | 第37页 |
| 3.2.2 距离变化时序图 | 第37-39页 |
| 3.2.3 卷积神经网络训练框架 | 第39页 |
| 3.3 实验与实验分析 | 第39-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于改进Citation-KNN的人体动作识别方法 | 第48-58页 |
| 4.1 多示例学习 | 第48页 |
| 4.2 Citation-KNN算法介绍 | 第48-50页 |
| 4.2.1 KNN算法介绍 | 第48-49页 |
| 4.2.2 Citation-KNN算法 | 第49-50页 |
| 4.3 关键帧提取和Hausdorff距离改进 | 第50-53页 |
| 4.3.1 关键帧提取 | 第50-51页 |
| 4.3.2 Hausdorff距离改进以及评分函数 | 第51-53页 |
| 4.4 实验与实验分析 | 第53-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 附录A 图索引 | 第66-68页 |
| 附录B 表索引 | 第68-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间研究成果 | 第70页 |