| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 人体动作识别的研究背景及意义 | 第10页 |
| 1.2 人体动作识别的主要方法 | 第10-13页 |
| 1.2.1 视频特征的提取 | 第11-12页 |
| 1.2.2 动作识别与分类 | 第12-13页 |
| 1.3 本文的主要工作和内容安排 | 第13-15页 |
| 1.3.1 本文的主要工作 | 第13页 |
| 1.3.2 本文的内容安排 | 第13-15页 |
| 第二章 相关工作 | 第15-18页 |
| 2.1 基于单视角的人体动作识别的相关研究 | 第15-16页 |
| 2.2 基于多视角的人体动作识别的相关研究 | 第16页 |
| 2.3 基于正则化多任务学习算法的相关研究 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第三章 基于深度运动轨迹信息的人体动作描述算法 | 第18-29页 |
| 3.1 基于深度运动轨迹信息的动作描述算法 | 第18-20页 |
| 3.1.1 基于深度信息的运动轨迹判断 | 第18-19页 |
| 3.1.2 基于深度运动轨迹信息的特征描述 | 第19-20页 |
| 3.1.3 深度信息变化剧烈程度的判断 | 第20页 |
| 3.2 实验设置 | 第20-21页 |
| 3.2.1 深度数据集 | 第20-21页 |
| 3.2.2 数据集划分 | 第21页 |
| 3.2.3 实验评估准则 | 第21页 |
| 3.3 实验结果及性能分析 | 第21-28页 |
| 3.3.1 UTKinect数据集的实验结果及性能分析 | 第21-24页 |
| 3.3.2 DHA-17 数据集的实验结果及性能分析 | 第24-27页 |
| 3.3.3 时间复杂度分析 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 不同正则化多任务学习算法对多任务人体动作识别性能评价 | 第29-45页 |
| 4.1 基于多任务的人体动作识别的框架 | 第29-30页 |
| 4.2 基于正则化的多任务学习算法 | 第30-35页 |
| 4.2.1 (?)_1范数正则化问题(Least_Lasso函数) | 第31页 |
| 4.2.2 (?)_(1,2)范数正则化问题(Least_L21函数) | 第31页 |
| 4.2.3 噪声模型(Least_Dirty函数) | 第31-32页 |
| 4.2.4 图表正则化问题(Least_SRMTL函数) | 第32-33页 |
| 4.2.5 迹范数正则化问题(Least_Trace函数) | 第33页 |
| 4.2.6 鲁棒性多任务学习(Least_RMTL函数) | 第33-34页 |
| 4.2.7 鲁棒性多任务特征学习(Least_rMTFL函数) | 第34页 |
| 4.2.8 病情模型(Least_TGL函数) | 第34-35页 |
| 4.2.9 优化算法 | 第35页 |
| 4.2.10 多任务学习的分类模型 | 第35页 |
| 4.3 实验设置 | 第35-38页 |
| 4.3.1 实验数据集 | 第36-37页 |
| 4.3.2 性能评估准则 | 第37页 |
| 4.3.3 实验环境设置 | 第37-38页 |
| 4.4 实验结果与分析 | 第38-44页 |
| 4.4.1 单视角条件下单任务学习与多任务学习的分析比较 | 第38-41页 |
| 4.4.2 跨视角条件下单任务学习与多任务学习的分析比较 | 第41-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第五章 基于图集和正则化多任务学习的多视角人体动作识别算法 | 第45-57页 |
| 5.1 基于图集算法的相关工作 | 第45-46页 |
| 5.2 基于图集和多任务学习的动作识别算法框架 | 第46-47页 |
| 5.3 基于图集和多任务学习的动作识别算法 | 第47-49页 |
| 5.3.1 目标函数 | 第47-48页 |
| 5.3.2 解决方案 | 第48-49页 |
| 5.3.3 推理 | 第49页 |
| 5.4 实验设置 | 第49-50页 |
| 5.4.1 实验数据集 | 第49页 |
| 5.4.2 性能评估准则 | 第49页 |
| 5.4.3 实验环境设置 | 第49-50页 |
| 5.5 实验结果与性能分析 | 第50-56页 |
| 5.5.1 多视角条件下单任务学习与多任务学习的分析比较 | 第50-54页 |
| 5.5.2 基于图集和多任务算法性能评估以及与其它算法的比较 | 第54-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 发表论文和科研情况 | 第65-66页 |
| 致谢 | 第66页 |
