基于LSTM的人体连续动作识别
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9页 |
| 1.2 人体动作识别的国内外研究进展 | 第9-15页 |
| 1.2.1 动作特征提取 | 第10-12页 |
| 1.2.2 动作分类算法 | 第12-14页 |
| 1.2.3 连续动作的分割与识别 | 第14-15页 |
| 1.3 本文的主要研究工作 | 第15-17页 |
| 2 人体3D骨架信息的特征提取 | 第17-31页 |
| 2.1 基于人体3D骨架信息的特征提取 | 第17-22页 |
| 2.1.1 原始3D数据的去噪 | 第18-19页 |
| 2.1.2 静态特征 | 第19-20页 |
| 2.1.3 动态特征 | 第20-21页 |
| 2.1.4 特征融合 | 第21-22页 |
| 2.2 关键帧提取模型 | 第22-23页 |
| 2.3 模型分析 | 第23-29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 基于LSTM的人体动作识别 | 第31-53页 |
| 3.1 LSTM神经网络简介 | 第31-33页 |
| 3.2 基于LSTM的人体动作识别 | 第33-42页 |
| 3.2.1 人体动作识别网络结构 | 第34-37页 |
| 3.2.2 Bi-LSTM神经网络 | 第37-38页 |
| 3.2.3 注意力机制 | 第38-40页 |
| 3.2.4 Dropout | 第40-42页 |
| 3.3 实验仿真与分析 | 第42-48页 |
| 3.3.1 数据集简介 | 第42页 |
| 3.3.2 实验设置 | 第42-43页 |
| 3.3.3 结果与分析 | 第43-48页 |
| 3.4 正交试验法 | 第48-50页 |
| 3.4.1 正交试验设置 | 第48-50页 |
| 3.4.2 优化结果与分析 | 第50页 |
| 3.5 本章总结 | 第50-53页 |
| 4 人体连续动作的分割与识别 | 第53-67页 |
| 4.1 基于能量学的分割方法 | 第53-57页 |
| 4.1.1 人体动作能量模型 | 第54-56页 |
| 4.1.2 连续动作的分割 | 第56-57页 |
| 4.2 基于滑动窗口的分割方法 | 第57-61页 |
| 4.2.1 滑动窗口在连续动作中的建立 | 第58-60页 |
| 4.2.2 连续动作识别 | 第60-61页 |
| 4.3 实验仿真与分析 | 第61-65页 |
| 4.3.1 能量法连续动作分割实验 | 第61-62页 |
| 4.3.2 基于滑动窗口的连续动作分割实验 | 第62-65页 |
| 4.4 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 攻读学位期间主要研究成果 | 第77页 |
