| 摘要 | 第3-5页 |
| Abstract | 第5-7页 |
| 1 绪论 | 第19-29页 |
| 1.1 研究背景 | 第19-23页 |
| 1.2 研究问题及挑战 | 第23-25页 |
| 1.3 本文贡献 | 第25-27页 |
| 1.4 本文结构 | 第27-28页 |
| 1.5 本章小结 | 第28-29页 |
| 2 多模态人体行为识别相关技术综述 | 第29-48页 |
| 2.1 多模态数据的预处理技术 | 第29-42页 |
| 2.1.1 视频图像数据的预处理 | 第30-33页 |
| 2.1.2 深度图像数据的预处理 | 第33-36页 |
| 2.1.3 三维人体运动数据的预处理 | 第36-42页 |
| 2.2 多模态数据特征选择技术 | 第42-43页 |
| 2.3 多模态人体行为识别技术 | 第43-47页 |
| 2.4 本章小结 | 第47-48页 |
| 3 三维人体运动数据增强技术 | 第48-106页 |
| 3.1 研究动机与相关工作 | 第48-53页 |
| 3.2 基于11稀疏表达的缺失标记点预测算法 | 第53-62页 |
| 3.2.1 L1-SRMMP算法 | 第53-57页 |
| 3.2.2 RCWU算法 | 第57页 |
| 3.2.3 实验结果 | 第57-62页 |
| 3.3 基于数据驱动的鲁棒人体运动数据去噪算法 | 第62-81页 |
| 3.3.1 符合说明 | 第64页 |
| 3.3.2 数据预处理 | 第64-67页 |
| 3.3.3 采用鲁棒字典学习的运动字典构造 | 第67-69页 |
| 3.3.4 基于鲁棒结构性稀疏编码的人体运动去噪 | 第69-73页 |
| 3.3.5 运动序列重建 | 第73页 |
| 3.3.6 实验结果 | 第73-81页 |
| 3.4 基于时序平稳与低秩结构的三维人体运动数据增强算法 | 第81-102页 |
| 3.4.1 TSMC算法模型 | 第83-88页 |
| 3.4.2 可信数据检测方法 | 第88-91页 |
| 3.4.3 优化求解算法 | 第91-94页 |
| 3.4.4 实验结果 | 第94-102页 |
| 3.5 本章小结 | 第102-106页 |
| 4 多模态数据特征选择技术 | 第106-124页 |
| 4.1 研究背景与相关工作 | 第106-109页 |
| 4.2 AUMFS算法 | 第109-117页 |
| 4.2.1 符号说明 | 第109页 |
| 4.2.2 目标函数 | 第109-114页 |
| 4.2.3 优化求解方法 | 第114-117页 |
| 4.3 实验结果 | 第117-120页 |
| 4.4 本章小结 | 第120-124页 |
| 5 多模态数据样本选择技术 | 第124-138页 |
| 5.1 研究背景 | 第124-126页 |
| 5.2 相关工作 | 第126-127页 |
| 5.3 LROD算法 | 第127-131页 |
| 5.3.1 局部回归函数 | 第127-130页 |
| 5.3.2 目标方程 | 第130-131页 |
| 5.4 KLROD算法 | 第131-133页 |
| 5.4.1 优化求解 | 第132-133页 |
| 5.5 实验 | 第133-135页 |
| 5.5.1 一个模拟数据例子 | 第133-134页 |
| 5.5.2 社交图像检索实验设计 | 第134-135页 |
| 5.6 本章小结 | 第135-138页 |
| 6 多模态人体行为识别技术 | 第138-179页 |
| 6.1 保持语义内容一致性的多模态特征融合与行为识别 | 第139-154页 |
| 6.1.1 研究动机与相关工作 | 第139-142页 |
| 6.1.2 算法模型 | 第142-147页 |
| 6.1.3 快速人体行为识别 | 第147-149页 |
| 6.1.4 实验结果 | 第149-154页 |
| 6.2 基于多骨架特征融合与选择的视点无关人体行为识别 | 第154-177页 |
| 6.2.1 研究动机及相关工作 | 第154-157页 |
| 6.2.2 多骨架特征构造与提取 | 第157-162页 |
| 6.2.3 多特征融合与选择 | 第162-167页 |
| 6.2.4 优化求解方法 | 第167-169页 |
| 6.2.5 实验结果 | 第169-177页 |
| 6.3 本章小结 | 第177-179页 |
| 7 总结与展望 | 第179-183页 |
| 7.1 本文工作总结 | 第179-181页 |
| 7.2 未来工作展望 | 第181-183页 |
| 参考文献 | 第183-210页 |
| 攻读博士学位期间主要的研究成果 | 第210-214页 |
| 致谢 | 第214-215页 |
