基于Kinect深度图像的动作识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 面临的挑战 | 第12-13页 |
| 1.4 研究内容 | 第13-15页 |
| 2 动作识别算法概述 | 第15-29页 |
| 2.1 深度图像获取 | 第15-17页 |
| 2.2 特征表示方法 | 第17-21页 |
| 2.2.1 基于全局的特征表示 | 第17-18页 |
| 2.2.2 基于局部的特征表示 | 第18-21页 |
| 2.3 特征提取 | 第21-23页 |
| 2.3.1 HOG描述子 | 第21-22页 |
| 2.3.2 HOF描述子 | 第22-23页 |
| 2.3.3 SIFT特征描述子 | 第23页 |
| 2.4 动作识别 | 第23-26页 |
| 2.4.1 K近邻分类器 | 第23-24页 |
| 2.4.2 隐马尔科夫模型 | 第24-25页 |
| 2.4.3 支持向量机 | 第25-26页 |
| 2.5 常用数据库 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于运动历史图和静态历史图的动作识别 | 第29-40页 |
| 3.1 特征表示 | 第29-32页 |
| 3.1.1 运动能量图和运动历史图 | 第29页 |
| 3.1.2 三维运动历史图和静态历史图 | 第29-32页 |
| 3.2 LBP特征提取 | 第32-35页 |
| 3.3 实验 | 第35-39页 |
| 3.3.1 实验结果对比 | 第36-38页 |
| 3.3.2 不同参数的比较 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 基于子动作运动历史图的动作识别 | 第40-50页 |
| 4.1 子动作运动历史图 | 第40-43页 |
| 4.2 特征提取 | 第43页 |
| 4.2.1 HOG特征提取 | 第43页 |
| 4.2.2 LBP特征提取 | 第43页 |
| 4.3 实验 | 第43-48页 |
| 4.3.1 HOG特征结果 | 第44-45页 |
| 4.3.2 LBP特征结果 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 未来工作展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 个人简历、在校期间发表的学术论文与研究成果 | 第55-56页 |
| 致谢 | 第56页 |
