| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 课题研究背景和意义 | 第13-14页 |
| 1.2 面临的问题和挑战 | 第14-15页 |
| 1.3 本文的研究内容和创新点 | 第15-16页 |
| 1.4 论文结构安排 | 第16-17页 |
| 参考文献 | 第17-21页 |
| 第2章 相关工作 | 第21-49页 |
| 2.1 人体动作识别中的特征描述 | 第21-32页 |
| 2.1.1 全局特征 | 第21-23页 |
| 2.1.2 局部特征 | 第23-27页 |
| 2.1.3 中层特征 | 第27-29页 |
| 2.1.4 基于骨骼模型的特征 | 第29-31页 |
| 2.1.5 基于深度学习的特征 | 第31-32页 |
| 2.2 人体动作识别中的分类方法 | 第32-36页 |
| 2.2.1 直接分类法 | 第33页 |
| 2.2.2 时间空间状态模型 | 第33-35页 |
| 2.2.3 基于图的分类法 | 第35-36页 |
| 2.3 本章小结 | 第36-37页 |
| 参考文献 | 第37-49页 |
| 第3章 基于旋度的时空兴趣点提取 | 第49-73页 |
| 3.1 引言 | 第49-50页 |
| 3.2 经典的时空兴趣点提取算法 | 第50-53页 |
| 3.2.1 Harris3D时空兴趣点 | 第51页 |
| 3.2.2 Dollar时空兴趣点 | 第51-52页 |
| 3.2.3 Hes-STIP时空兴趣点 | 第52页 |
| 3.2.4 MOsift时空兴趣点 | 第52-53页 |
| 3.2.5 密集采样 | 第53页 |
| 3.3 基于旋度的时空兴趣点提取算法 | 第53-61页 |
| 3.3.1 相关工作及研究动机 | 第53-54页 |
| 3.3.2 基于旋度的兴趣点提取方法 | 第54-59页 |
| 3.3.3 基于旋度的兴趣点提取算法在人体动作识别中的应用 | 第59-61页 |
| 3.4 实验结果与分析 | 第61-70页 |
| 3.4.1 参数设置 | 第62页 |
| 3.4.2 数据库 | 第62-66页 |
| 3.4.3 实验结果 | 第66-70页 |
| 3.5 本章小结 | 第70页 |
| 参考文献 | 第70-73页 |
| 第4章 人体动作识别中的非负局部稀疏编码模型 | 第73-101页 |
| 4.1 引言 | 第73-75页 |
| 4.2 相关工作及研究动机 | 第75-80页 |
| 4.2.1 三种常用的特征编码方法 | 第75-77页 |
| 4.2.2 三种编码方法的分析比较 | 第77-78页 |
| 4.2.3 研究动机 | 第78-80页 |
| 4.3 二次编码与视频序列的特征描述 | 第80-83页 |
| 4.3.1 字典的设计 | 第80-81页 |
| 4.3.2 二次编码方案 | 第81-83页 |
| 4.3.3 特征汲取 | 第83页 |
| 4.4 NLLC模型及其在人体动作识别中的应用 | 第83-87页 |
| 4.4.1 NLLC模型 | 第83-84页 |
| 4.4.2 NLLC模型在人体动作识别中的应用 | 第84-87页 |
| 4.4.3 本节小结 | 第87页 |
| 4.5 SCNL模型及其在人体动作识别中的应用 | 第87-98页 |
| 4.5.1 SCNL模型 | 第87-88页 |
| 4.5.2 SCNL模型的意义 | 第88-90页 |
| 4.5.3 SCNL模型的优化解法 | 第90-92页 |
| 4.5.4 SCNL模型的快速算法 | 第92-93页 |
| 4.5.5 SCNL模型在人体动作识别中的应用 | 第93-98页 |
| 4.5.6 本节小结 | 第98页 |
| 4.6 本章小结 | 第98-99页 |
| 参考文献 | 第99-101页 |
| 第5章 基于多模态非负稀疏图模型的人体动作识别 | 第101-125页 |
| 5.1 引言 | 第101-102页 |
| 5.2 相关工作及研究动机 | 第102-109页 |
| 5.2.1 现有的图模型 | 第102-104页 |
| 5.2.2 度量学习 | 第104-105页 |
| 5.2.3 多模态 | 第105-107页 |
| 5.2.4 中层特征 | 第107-108页 |
| 5.2.5 研究动机 | 第108-109页 |
| 5.3 DMNS模型及相关图的建立 | 第109-113页 |
| 5.3.1 NS模型 | 第109-110页 |
| 5.3.2 DNS模型 | 第110-111页 |
| 5.3.3 MNS模型 | 第111-112页 |
| 5.3.4 DMNS模型 | 第112页 |
| 5.3.5 DMNS图的建立 | 第112-113页 |
| 5.4 DMNS模型在人体动作识别中的应用 | 第113-114页 |
| 5.5 实验结果与分析 | 第114-119页 |
| 5.5.1 数据库 | 第114-115页 |
| 5.5.2 特征提取及参数设置 | 第115-116页 |
| 5.5.3 中层特征的判别性分析 | 第116-117页 |
| 5.5.4 DMNS图的有效性 | 第117-119页 |
| 5.5.5 与其他典型方法的比较 | 第119页 |
| 5.6 本章小结 | 第119-120页 |
| 参考文献 | 第120-125页 |
| 第6章 总结和展望 | 第125-127页 |
| 缩略语 | 第127-129页 |
| 致谢 | 第129-130页 |
| 攻读学位期间发表的学术论文目录 | 第130页 |