| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状概述 | 第9-11页 |
| 1.3 论文的主要内容 | 第11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 2 行为识别的研究现状和理论 | 第12-17页 |
| 2.1 引言 | 第12页 |
| 2.2 基于3D光流的行为识别方法 | 第12-14页 |
| 2.3 基于3D轮廓的行为识别方法 | 第14-15页 |
| 2.4 基于3D骨骼的行为识别方法 | 第15-16页 |
| 2.5 本章小结 | 第16-17页 |
| 3 基于深度典型时间规整的李代数行为识别方法 | 第17-35页 |
| 3.1 引言 | 第17页 |
| 3.2 李代数特征表示方法 | 第17-23页 |
| 3.2.1 李群和李代数 | 第17-18页 |
| 3.2.2 李群和李代数表示刚体位移 | 第18-20页 |
| 3.2.3 李代数相对位置特征提取方法 | 第20-23页 |
| 3.3 深度典型时间规整 | 第23-29页 |
| 3.3.1 动态时间规整 | 第23-25页 |
| 3.3.2 典型相关性分析 | 第25-27页 |
| 3.3.3 典型时间规整 | 第27-28页 |
| 3.3.4 深度典型时间规整 | 第28-29页 |
| 3.4 基于DCTW的LARP行为识别算法 | 第29-30页 |
| 3.5 实验和分析 | 第30-34页 |
| 3.5.1 Florence3D-Action数据集 | 第30-32页 |
| 3.5.2 实验训练过程 | 第32页 |
| 3.5.3 实验分类方法 | 第32-33页 |
| 3.5.4 实验结果 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 4 基于相关性修正DCTW对齐特征的行为识别方法 | 第35-42页 |
| 4.1 引言 | 第35页 |
| 4.2 DCTW网络中的运动特征整合 | 第35-36页 |
| 4.3 基于相关性的运动数据修正 | 第36-38页 |
| 4.4 基于相关性修正的改进DCTW对齐特征算法 | 第38页 |
| 4.5 实验结果和分析 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 结论与展望 | 第42-43页 |
| 致谢 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 附录 | 第47页 |
| A.作者在攻读学位期间发表的论文目录 | 第47页 |