| 中文摘要 | 第1-6页 |
| Abstract（英文摘要） | 第6-9页 |
| 目录 | 第9-12页 |
| 第一章 引言 | 第12-32页 |
| 1．1 研究的背景和意义 | 第12-13页 |
| 1．2 人体动作识别分类 | 第13-15页 |
| 1．3 人体动作识别的研究现状 | 第15-27页 |
| 1．3．1 识别算法 | 第16-23页 |
| 1．3．1．1 基于统计的方法 | 第16-22页 |
| 1．3．1．2 基于模板的方法 | 第22-23页 |
| 1．3．1．3 基于语法的方法 | 第23页 |
| 1．3．2 特征提取方法 | 第23-27页 |
| 1．3．2．1 基于表观的方法 | 第24-25页 |
| 1．3．2．2 基于模型的方法 | 第25-27页 |
| 1．4 论文研究课题 | 第27-28页 |
| 1．5 论文的主要工作 | 第28-31页 |
| 1．6 论文结构 | 第31-32页 |
| 第二章 基元特征和基于基元特征的耦合隐马尔可夫模型 | 第32-54页 |
| 2．1 基元特征 | 第32-43页 |
| 2．1．1 基元特征的物理意义 | 第33-35页 |
| 2．1．2 基元特征的数学表示 | 第35-37页 |
| 2．1．3 状态表示 | 第37-38页 |
| 2．1．4 实验 | 第38-41页 |
| 2．1．5 基元特征的优点 | 第41-43页 |
| 2．2 耦合隐马尔可夫模型 | 第43-44页 |
| 2．3 基于基元特征的耦合隐马尔可夫模型 | 第44-53页 |
| 2．3．1 参数描述 | 第46页 |
| 2．3．2 PCHMM的后验概率 | 第46-47页 |
| 2．3．3 PCHMM的参数估计 | 第47-51页 |
| 2．3．4 参数修正 | 第51-53页 |
| 2．4 本章小结 | 第53-54页 |
| 第三章 基于基元特征的动态贝叶斯网络 | 第54-70页 |
| 3．1 基于基元特征的动态贝叶斯网络 | 第54-57页 |
| 3．2 PDBN的参数估计 | 第57-65页 |
| 3．2．1 参数描述 | 第57-58页 |
| 3．2．2 参数估计 | 第58-62页 |
| 3．2．3 参数修正 | 第62-65页 |
| 3．3 补充说明 | 第65-69页 |
| 3．3．1 置信度 | 第65页 |
| 3．3．2 人体整体运动参数的获取 | 第65-69页 |
| 3．4 本章小结 | 第69-70页 |
| 第四章 人体区域分割 | 第70-83页 |
| 4．1 背景自动补偿的前景分割算法 | 第70-77页 |
| 4．1．1 通用背景差分算法 | 第70-73页 |
| 4．1．2 背景自动补偿的前景分割算法 | 第73-77页 |
| 4．2 背景映射快速分割方法 | 第77-82页 |
| 4．2．1 基于视差的通用算法 | 第77-78页 |
| 4．2．2 背景映射快速分割方法 | 第78-82页 |
| 4．3 本章小结 | 第82-83页 |
| 第五章 人体特征检测 | 第83-101页 |
| 5．1 肘关节夹角估计 | 第83-85页 |
| 5．2 肩关节的检测 | 第85-93页 |
| 5．2．1 基于局部图像信息的算法 | 第85-87页 |
| 5．2．2 基于整体信息的方法 | 第87-93页 |
| 5．2．2．1 剪影在X轴投影的5线模型 | 第87-90页 |
| 5．2．2．2 B样条参数估计 | 第90-92页 |
| 5．2．2．3 实验结果 | 第92-93页 |
| 5．3 肩关节跟踪 | 第93-100页 |
| 5．3．1 卡尔曼滤波器 | 第93-95页 |
| 5．3．2 肩关节跟踪算法流程 | 第95-100页 |
| 5．4 本章小结 | 第100-101页 |
| 第六章 实验、分析和讨论 | 第101-129页 |
| 6．1 实验环境 | 第101-102页 |
| 6．2 识别集合 | 第102-107页 |
| 6．3 模型参数举例 | 第107-121页 |
| 6．3．1 模型的特征参数 | 第107-112页 |
| 6．3．2 模型参数 | 第112-121页 |
| 6．4 识别结果 | 第121-128页 |
| 6．5 本章小结 | 第128-129页 |
| 第七章 结论和展望 | 第129-133页 |
| 7．1 结论 | 第129-131页 |
| 7．2 对进一步工作的展望 | 第131-133页 |
| 参考文献 | 第133-141页 |
| 致谢 | 第141-142页 |
| 攻读博士学位期间的研究成果及发表的学术论文 | 第142-143页 |