| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-17页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究背景和意义 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-23页 |
| 1.2.1 基于模型匹配的人体姿态估计 | 第19-21页 |
| 1.2.2 基于深度学习的人体姿态估计 | 第21-23页 |
| 1.3 论文的研究内容及章节安排 | 第23-27页 |
| 1.3.1 主要研究内容 | 第24-25页 |
| 1.3.2 论文章节安排 | 第25-27页 |
| 第二章 基于级联纠错机制的人体姿态跟踪方法 | 第27-39页 |
| 2.1 引言 | 第27-28页 |
| 2.2 基于级联纠错机制的人体姿态跟踪方法 | 第28-33页 |
| 2.2.1 算法框架 | 第28页 |
| 2.2.2 单帧图像的人体姿态估计 | 第28-30页 |
| 2.2.3 手腕的视觉跟踪 | 第30-31页 |
| 2.2.4 级联纠错机制 | 第31-33页 |
| 2.3 实验结果与分析 | 第33-38页 |
| 2.3.1 数据库和评价标准 | 第33-34页 |
| 2.3.2 实验设置 | 第34页 |
| 2.3.3 模型分析 | 第34-35页 |
| 2.3.4 实验结果对比 | 第35-37页 |
| 2.3.5 定性分析 | 第37-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 基于Faster R-CNN的静态图像人体姿态估计方法 | 第39-55页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于Faster R-CNN的静态图像人体姿态估计方法 | 第40-47页 |
| 3.2.1 算法框架 | 第40页 |
| 3.2.2 基于Faster R-CNN的部件检测模型 | 第40-45页 |
| 3.2.3 人体部件空间约束模型 | 第45-47页 |
| 3.3 实验结果与分析 | 第47-54页 |
| 3.3.1 数据库和评价标准 | 第47-48页 |
| 3.3.2 实验设置 | 第48-49页 |
| 3.3.3 模型分析 | 第49-50页 |
| 3.3.4 实验结果对比 | 第50-52页 |
| 3.3.5 定性分析 | 第52-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 基于深度学习网络和多层次图结构模型一体的 人体姿态估计方法 | 第55-67页 |
| 4.1 引言 | 第55-57页 |
| 4.2 基于深度学习网络和多层次图结构模型一体的人体姿态估计方法 | 第57-61页 |
| 4.2.1 算法框架 | 第57-58页 |
| 4.2.2 基于深度学习网络的部件外观模型 | 第58-59页 |
| 4.2.3 多层次图结构模型 | 第59-61页 |
| 4.3 实验结果与分析 | 第61-65页 |
| 4.3.1 数据库和评价标准 | 第61-62页 |
| 4.3.2 实验设置 | 第62-63页 |
| 4.3.3 多层次图结构模型的作用分析 | 第63页 |
| 4.3.4 实验结果对比 | 第63-65页 |
| 4.3.5 定性分析 | 第65页 |
| 4.4 本章小结 | 第65-67页 |
| 第五章 总结与展望 | 第67-71页 |
| 5.1 论文总结 | 第67-68页 |
| 5.2 工作展望 | 第68-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-81页 |
