| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 人体行为的表示方法 | 第13-16页 |
| 1.2.2 行为识别的分类方法 | 第16-17页 |
| 1.3 人体行为识别的技术难点 | 第17-18页 |
| 1.4 本文主要工作与组织结构 | 第18-20页 |
| 1.4.1 本文主要工作 | 第18-19页 |
| 1.4.2 本文组织结构 | 第19-20页 |
| 第2章 行为识别相关理论知识 | 第20-29页 |
| 2.1 Kinect相机 | 第20-21页 |
| 2.2 深度图像、3D点云图以及3D骨骼模型 | 第21-23页 |
| 2.2.1 深度图像 | 第21-22页 |
| 2.2.2 3D点云图 | 第22页 |
| 2.2.3 3D骨骼模型 | 第22-23页 |
| 2.3 常见的行为特征提取方法 | 第23-27页 |
| 2.3.1 时空感兴趣点 | 第23-25页 |
| 2.3.2 背景减除算法 | 第25页 |
| 2.3.3 方向梯度直方图 | 第25-27页 |
| 2.3.4 光流算法 | 第27页 |
| 2.4 评价指标与数据库概述 | 第27-29页 |
| 第3章 基于关键骨骼节点的行为识别算法 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 关键骨骼节点的提取算法 | 第29-33页 |
| 3.2.1 改进的K-means算法 | 第29-32页 |
| 3.2.2 节点运动量算法 | 第32-33页 |
| 3.3 基于关键骨骼节点的深度和骨骼特征表示 | 第33-35页 |
| 3.3.1 3D骨骼节点位置特征表示 | 第33-34页 |
| 3.3.2 深度占用模型表示 | 第34-35页 |
| 3.4 行为分类 | 第35-36页 |
| 3.5 实验结果与分析 | 第36-41页 |
| 3.5.1 实验中主要参数的设置分析 | 第36-37页 |
| 3.5.2 MSR Action3D数据库上的有效性分析 | 第37-38页 |
| 3.5.3 MSR Daily Activity3D数据库上的有效性分析 | 第38-39页 |
| 3.5.4 MSR Action Pairs3D数据库上的有效性分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第4章 融合多种异质特征的行为识别算法 | 第42-56页 |
| 4.1 引言 | 第42页 |
| 4.2 融合多种异质特征的行为表示 | 第42-45页 |
| 4.2.1 提取3D点云序列 | 第42-43页 |
| 4.2.2 基于3D点云序列的多尺度局部时空特征 | 第43-45页 |
| 4.2.3 融合多种异质特征 | 第45页 |
| 4.3 随机确定森林分类器 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-55页 |
| 4.4.1 实验中主要参数的设置分析 | 第46-47页 |
| 4.4.2 MSR Action3D数据库上的有效性分析 | 第47-51页 |
| 4.4.3 MSR Daily Activity3D数据库上的有效性分析 | 第51-53页 |
| 4.4.4 MSR Action Pairs3D数据库上的有效性分析 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 附录A 攻读硕士学位期间发表论文目录 | 第64-65页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第65-66页 |
| 致谢 | 第66页 |
