| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容与主要工作 | 第14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 2 相关理论知识 | 第17-31页 |
| 2.1 人体动作识别概述 | 第17-20页 |
| 2.1.1 人体动作识别的基本流程 | 第17-18页 |
| 2.1.2 人体动作识别算法的分类 | 第18-20页 |
| 2.2 深度学习介绍 | 第20页 |
| 2.3 深度学习原理 | 第20-30页 |
| 2.3.1 深度置信网 | 第20-24页 |
| 2.3.2 卷积神经网 | 第24-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于卷积神经网络的人体动作识别算法 | 第31-41页 |
| 3.1 深度卷积神经网络介绍 | 第31-37页 |
| 3.1.1 深度卷积神经网络VGG简介 | 第31-32页 |
| 3.1.2 深度卷积神经网络VGG结构 | 第32-37页 |
| 3.2 深度卷积神经网络训练 | 第37-40页 |
| 3.2.1 数据处理 | 第37-38页 |
| 3.2.2 网络训练 | 第38-40页 |
| 3.3 本章小结 | 第40-41页 |
| 4 算法实验验证与结果分析 | 第41-49页 |
| 4.1 基于TensorFlow的实验平台搭建过程 | 第41-43页 |
| 4.1.1 TensorFlow的安装配置 | 第42页 |
| 4.1.2 平台搭建中的注意事项 | 第42-43页 |
| 4.2 动作识别数据集 | 第43-45页 |
| 4.2.1 KTH数据集 | 第43-44页 |
| 4.2.2 Weizmann数据集 | 第44-45页 |
| 4.3 实验结果分析 | 第45-48页 |
| 4.3.1 KTH数据集结果分析 | 第45-47页 |
| 4.3.2 Weizmann数据集结果分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 5 总结与展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |