人体行为识别算法研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 背景与意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究内容以及结构安排 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 结构安排 | 第13-14页 |
| 第二章 基于模板匹配方法的行为识别 | 第14-26页 |
| 2.1 Kinect以及数据获取 | 第14-16页 |
| 2.1.1 Kinect设备介绍 | 第14-15页 |
| 2.1.2 获取运动数据 | 第15页 |
| 2.1.3 数据预处理 | 第15-16页 |
| 2.2 算法 | 第16-18页 |
| 2.2.1 算法介绍 | 第16-17页 |
| 2.2.2 分类原理介绍 | 第17-18页 |
| 2.3 交警手势数据集 | 第18-23页 |
| 2.3.1 建立训练样本库 | 第18-20页 |
| 2.3.2 优化训练样本库 | 第20-23页 |
| 2.4 实验及结果分析 | 第23-25页 |
| 2.4.1 行为识别算法 | 第23页 |
| 2.4.2 行为识别测试与分析 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基于状态空间方法的行为识别 | 第26-38页 |
| 3.1 行为特征提取 | 第26-27页 |
| 3.1.1 数据预处理 | 第26页 |
| 3.1.2 特征提取 | 第26-27页 |
| 3.2 关键姿势聚类 | 第27-29页 |
| 3.3 行为识别算法 | 第29-33页 |
| 3.3.1 HMM模型介绍 | 第29-30页 |
| 3.3.2 行为识别算法 | 第30-33页 |
| 3.4 实验及结果分析 | 第33-37页 |
| 3.4.1 关键姿势聚类结果分析 | 第33-34页 |
| 3.4.2 行为识别测试与分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于深度学习的手势识别 | 第38-48页 |
| 4.1 深度学习基本知识 | 第38-40页 |
| 4.1.1 深度学习简介 | 第38页 |
| 4.1.2 卷积神经网络 | 第38-40页 |
| 4.1.3 半监督学习 | 第40页 |
| 4.2 虚拟对抗技术 | 第40-41页 |
| 4.3 模型训练 | 第41-44页 |
| 4.3.1 卷积神经网络结构 | 第42页 |
| 4.3.2 训练流程 | 第42-44页 |
| 4.4 实验及结果分析 | 第44-47页 |
| 4.4.1 实验数据集 | 第44页 |
| 4.4.2 行为识别测试与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 工作总结 | 第48-49页 |
| 5.2 工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间发表的论文 | 第55页 |
