| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-10页 |
| 1.3 动作识别的研究现状与分析 | 第10-14页 |
| 1.3.1 动作识别的国外研究现状与分析 | 第10-12页 |
| 1.3.2 动作识别的国内研究现状与分析 | 第12-14页 |
| 1.4 主要研究内容 | 第14-16页 |
| 第2章 人体姿态图像预处理 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 灰度值特征 | 第16页 |
| 2.3 运动特征提取 | 第16-23页 |
| 2.3.1 光流算法原理 | 第17-19页 |
| 2.3.2 Horn-Schunck光流法 | 第19-20页 |
| 2.3.3 Lucas-Kanada光流法 | 第20-21页 |
| 2.3.4 改进的L-K光流算法 | 第21-23页 |
| 2.4 边缘特征提取 | 第23-26页 |
| 2.4.1 2D Gabor滤波器 | 第23-25页 |
| 2.4.2 2D Gabor滤波器参数含义及其选择 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 人体姿态特征提取 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 3D卷积神经网络结构设计 | 第28-35页 |
| 3.2.1 三维卷积和采样 | 第28-31页 |
| 3.2.2 激活函数的选择 | 第31-32页 |
| 3.2.3 Dropout技术 | 第32-33页 |
| 3.2.4 反向传播算法 | 第33-35页 |
| 3.3 网络的总体结构 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 人体姿态特征融合识别 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 基于小波变换的深度特征融合 | 第38-42页 |
| 4.2.1 连续小波变换 | 第38-39页 |
| 4.2.2 离散小波变换 | 第39-42页 |
| 4.3 人体连续动作识别中的分类模型 | 第42-49页 |
| 4.3.1 Softmax回归分类 | 第42-44页 |
| 4.3.2 多分类支持向量机 | 第44-48页 |
| 4.3.3 分类模型性能分析 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 人体连续动作识别实验与分析 | 第50-62页 |
| 5.1 引言 | 第50页 |
| 5.2 数据集介绍 | 第50-51页 |
| 5.2.1 UCF101数据集 | 第50-51页 |
| 5.2.2 HMDB51数据集 | 第51页 |
| 5.3 动作识别实验环境 | 第51-52页 |
| 5.4 网络结构分析 | 第52-57页 |
| 5.4.1 网络时间复杂度 | 第52-53页 |
| 5.4.2 网络空间复杂度 | 第53-54页 |
| 5.4.3 网络可视化 | 第54-57页 |
| 5.5 实验结果与分析 | 第57-61页 |
| 5.6 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |