| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第15-22页 |
| 1.1 研究背景与意义 | 第15-18页 |
| 1.1.1 研究的理论价值 | 第16-17页 |
| 1.1.2 研究的应用价值 | 第17-18页 |
| 1.2 论文研究内容与组织结构 | 第18-22页 |
| 1.2.1 论文研究内容 | 第18-19页 |
| 1.2.2 论文组织结构 | 第19-22页 |
| 第2章 人体行为分析及步态识别研究综述 | 第22-43页 |
| 2.1 人体姿态感知 | 第22-31页 |
| 2.1.1 人体二维姿态感知 | 第23-27页 |
| 2.1.2 人体三维姿态感知 | 第27-31页 |
| 2.2 序列化人体动作信号的建模与识别 | 第31-35页 |
| 2.2.1 面向视觉数据的人体动作建模与识别 | 第31-34页 |
| 2.2.2 面向生理数据的人体动作建模与识别 | 第34-35页 |
| 2.3 人体步态识别 | 第35-39页 |
| 2.3.1 基于步态轮廓的方法 | 第35-37页 |
| 2.3.2 基于可穿戴传感器的方法 | 第37-38页 |
| 2.3.3 基于人体姿态的方法 | 第38-39页 |
| 2.4 深度卷积神经网络 | 第39-43页 |
| 第3章 面向视频序列的人体三维姿态感知 | 第43-82页 |
| 3.1 概述 | 第43-45页 |
| 3.2 问题描述 | 第45-46页 |
| 3.3 基于视频序列的人体三维姿态感知 | 第46-61页 |
| 3.3.1 单张图片的人体二维姿态感知 | 第47-51页 |
| 3.3.2 单张图片人体三维姿态恢复 | 第51-58页 |
| 3.3.3 基于视频序列的人体姿态生成 | 第58-61页 |
| 3.4 实验结果与性能分析 | 第61-73页 |
| 3.4.1 实验数据采集与实验细节说明 | 第62-66页 |
| 3.4.2 实验结果及分析 | 第66-73页 |
| 3.5 基于人体姿态感知的应用(以舞蹈评分小程序为例) | 第73-80页 |
| 3.5.1 舞蹈评分小程序整体功能介绍 | 第74-75页 |
| 3.5.2 舞蹈评分小程序软件技术架构 | 第75-79页 |
| 3.5.3 舞蹈评分小程序存在的问题及改进计划 | 第79-80页 |
| 3.6 小结 | 第80-82页 |
| 第4章 面向序列化信号的人体动作建模与识别 | 第82-109页 |
| 4.1 概述 | 第83-84页 |
| 4.2 问题描述 | 第84-86页 |
| 4.3 基于人体三维姿态的动作建模与识别 | 第86-94页 |
| 4.3.1 具有时空特性的骨骼特征图生成 | 第86-88页 |
| 4.3.2 基于深度卷积神经网络的人体动作建模与识别 | 第88-90页 |
| 4.3.3 参考物体检测的人体动作检测 | 第90-94页 |
| 4.4 基于人体三维姿态的动作识别验证 | 第94-99页 |
| 4.4.1 实验数据集与实验细节说明 | 第94-97页 |
| 4.4.2 实验结果与分析 | 第97-99页 |
| 4.5 基于脑电信号的动作建模与识别 | 第99-103页 |
| 4.5.1 实验数据采集与细节说明 | 第100-101页 |
| 4.5.2 脑电信号预处理 | 第101-102页 |
| 4.5.3 深度卷积神经网络的构建 | 第102-103页 |
| 4.6 基于脑电信号的动作识别验证 | 第103-107页 |
| 4.6.1 实验数据集与实验细节说明 | 第103页 |
| 4.6.2 实验结果与分析 | 第103-107页 |
| 4.7 小结 | 第107-109页 |
| 第5章 面向序列化信号的人体步态识别 | 第109-134页 |
| 5.1 概述 | 第109-110页 |
| 5.2 问题描述 | 第110-111页 |
| 5.3 结合深度卷积特征与联合贝叶斯的解决方案 | 第111-126页 |
| 5.3.1 步态周期提取 | 第111页 |
| 5.3.2 深度卷积神经网络结构 | 第111-112页 |
| 5.3.3 步态特征提取 | 第112-113页 |
| 5.3.4 结合联合贝叶斯的步态验证 | 第113-114页 |
| 5.3.5 结合联合贝叶斯的步态鉴别 | 第114页 |
| 5.3.6 实验结果与性能分析 | 第114-126页 |
| 5.4 结合人体姿态感知与序列化信号建模和识别的解决方案 | 第126-132页 |
| 5.4.1 实验数据采集与实验细节说明 | 第127-128页 |
| 5.4.2 基于多任务学习深度卷积模型训练 | 第128-130页 |
| 5.4.3 实验结果与分析 | 第130-132页 |
| 5.5 小结 | 第132-134页 |
| 第6章 总结和展望 | 第134-139页 |
| 6.1 总结 | 第134-136页 |
| 6.2 主要贡献与创新点 | 第136-137页 |
| 6.3 展望 | 第137-139页 |
| 参考文献 | 第139-162页 |
| 攻读博士学位期间主要的研究成果 | 第162-166页 |
| 致谢 | 第166-168页 |
| 附录 | 第168-173页 |
| 附录一: json文件格式 | 第168-169页 |
| 附录二: 求解训练过程的中间过程结果展示 | 第169-170页 |
| 附录三: 动作捕获实验情况告知书 | 第170-171页 |
| 附录四: BVH格式解析后的骨架层次关系 | 第171-172页 |
| 附录六: 不同识别方法在交叉角度下的CMC曲线(OULP) | 第172-173页 |
| 附录七: 不同识别方法在交叉角度下的ROC曲线(OULP) | 第173页 |
