| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-21页 |
| 1.1 课题研究的背景和意义 | 第11-13页 |
| 1.2 动作识别的关键技术及研究现状 | 第13-17页 |
| 1.2.1 基于骨骼数据的人体动作识别 | 第14-16页 |
| 1.2.2 骨骼和深度数据融合的人体行为识别 | 第16-17页 |
| 1.2.3 动作分类方法 | 第17页 |
| 1.3 人体动作识别的难题 | 第17-19页 |
| 1.4 本文的研究内容 | 第19页 |
| 1.5 本文的组织结构 | 第19-21页 |
| 2 基于3D数据的动作表示 | 第21-29页 |
| 2.1 基于深度数据的动作表示 | 第21-22页 |
| 2.1.1 基于时空特征的动作表示 | 第21-22页 |
| 2.1.2 基于轨迹追踪的动作表示 | 第22页 |
| 2.2 基于骨骼数据的动作表示 | 第22-26页 |
| 2.2.1 人体骨骼的空间特征描述子 | 第23-24页 |
| 2.2.2 人体骨骼的几何特征描述子 | 第24-25页 |
| 2.2.3 基于人体骨骼的关键姿势特征描述子 | 第25-26页 |
| 2.3 常用的数据库 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于姿势选择的隐马尔科夫模型骨骼特征人体动作识别 | 第29-49页 |
| 3.1 基于关节点子集的特征提取 | 第30-35页 |
| 3.1.1 位移矢量特征 | 第30-31页 |
| 3.1.2 相对位置特征 | 第31页 |
| 3.1.3 关节点子集的选取 | 第31-34页 |
| 3.1.4 骨骼关节的预处理 | 第34-35页 |
| 3.2 特征的聚类 | 第35-43页 |
| 3.2.1 隐马尔科夫模型(HMM) | 第36-38页 |
| 3.2.2 仿射传播聚类算法 | 第38-40页 |
| 3.2.3 基于两次仿射传播算法的关键姿势选择 | 第40-42页 |
| 3.2.4 HMM参数的初始化 | 第42-43页 |
| 3.3 HMM的训练与测试算法 | 第43页 |
| 3.4 实验结果与分析 | 第43-48页 |
| 3.4.1 MSRAction3D数据库上的实验与分析 | 第43-46页 |
| 3.4.2 特征类别和关节数量对识别率的影响 | 第46-47页 |
| 3.4.3 UTKinect数据库上的实验与分析 | 第47-48页 |
| 3.4.4 MSRDailyActivity3D数据库上的实验与分析 | 第48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 基于骨骼和深度特征融合的日常人体行为识别 | 第49-61页 |
| 4.1 骨骼和深度特征的提取 | 第49-53页 |
| 4.1.1 骨骼特征的提取 | 第49-50页 |
| 4.1.2 局部占有模式特征的提取 | 第50-52页 |
| 4.1.3 傅里叶时空金字塔 | 第52-53页 |
| 4.2 基于典型相关分析的特征融合算法 | 第53-55页 |
| 4.3 基于SVM的动作识别 | 第55-57页 |
| 4.4 实验结果及分析 | 第57-60页 |
| 4.4.1 MSRDailyActivity3D上的实验与分析 | 第58-59页 |
| 4.4.2 金字塔层数对识别率的影响 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 后续工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 个人简历、在学期间发表的学术论文与成果 | 第67-68页 |
| 致谢 | 第68-69页 |
