| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-33页 |
| 1.1 研究背景 | 第13-17页 |
| 1.2 研究现状以及存在的问题和挑战 | 第17-29页 |
| 1.2.1 Kinect工作原理 | 第17-19页 |
| 1.2.2 基于视频序列的人体行为识别方法 | 第19-23页 |
| 1.2.3 基于深度图序列的人体行为识别方法 | 第23-26页 |
| 1.2.4 基于三维骨架序列的人体行为识别方法 | 第26-29页 |
| 1.3 主要研究内容和创新点 | 第29-31页 |
| 1.4 论文组织结构 | 第31-33页 |
| 第2章 基于分层模型的人体行为识别 | 第33-42页 |
| 2.1 问题及方法概述 | 第33-36页 |
| 2.2 分层模型 | 第36-37页 |
| 2.3 分类特征 | 第37-38页 |
| 2.3.1 相对位置特征 | 第37-38页 |
| 2.3.2 傅立叶时间金字塔 | 第38页 |
| 2.4 实验结果 | 第38-41页 |
| 2.5 总结 | 第41-42页 |
| 第3章 基于向量空间的实时人体行为识别 | 第42-60页 |
| 3.1 问题及方法概述 | 第42-44页 |
| 3.2 时空特征 | 第44-47页 |
| 3.2.1 运动特征 | 第45页 |
| 3.2.2 相对位置特征 | 第45页 |
| 3.2.3 特征聚类 | 第45-47页 |
| 3.3 加权算法 | 第47-48页 |
| 3.3.1 方差加权法 | 第48页 |
| 3.3.2 熵加权法 | 第48页 |
| 3.4 分类 | 第48-49页 |
| 3.5 实验结果 | 第49-59页 |
| 3.5.1 UCFKinect行为数据库 | 第49-55页 |
| 3.5.2 MSRC-12手势数据库 | 第55-59页 |
| 3.6 总结 | 第59-60页 |
| 第4章 基于加权图和全局最优相似性匹配的人体行为识别 | 第60-76页 |
| 4.1 问题及方法概述 | 第60-62页 |
| 4.2 时空特征 | 第62页 |
| 4.3 加权图的构成 | 第62-67页 |
| 4.3.1 提取加权图的顶点 | 第63-64页 |
| 4.3.2 计算加权图边的权重 | 第64-67页 |
| 4.4 基于序列匹配的分类 | 第67-68页 |
| 4.5 实验结果 | 第68-75页 |
| 4.5.1 微软MSRC-12手势数据库 | 第69-73页 |
| 4.5.2 UCFKinect行为数据库 | 第73-75页 |
| 4.6 总结 | 第75-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 全文总结 | 第76-77页 |
| 5.2 工作展望 | 第77-78页 |
| 参考文献 | 第78-87页 |
| 致谢 | 第87-88页 |
| 攻读学位期间发表的学术论文目录 | 第88-89页 |
| 攻读学位期间参与科研项目情况 | 第89-90页 |
| 附录 | 第90-137页 |
| 学位论文评阅及答辩情况表 | 第137页 |