| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-25页 |
| 1.1 课题背景和研究意义 | 第9-11页 |
| 1.2 运动捕获概述 | 第11-16页 |
| 1.2.1 运动捕获技术 | 第11-14页 |
| 1.2.2 运动捕获技术的应用 | 第14-16页 |
| 1.3 国内外相关研究现状 | 第16-24页 |
| 1.3.1 失真运动数据去噪重构研究现状 | 第16-17页 |
| 1.3.2 缺失运动数据补全重构研究现状 | 第17-21页 |
| 1.3.3 运动数据识别与检索研究现状 | 第21-24页 |
| 1.4 论文内容及组织结构 | 第24页 |
| 1.5 本章小结 | 第24-25页 |
| 第2章 运动捕获数据介绍 | 第25-31页 |
| 2.1 常用骨架模型及运动数据库 | 第25-26页 |
| 2.2 运动捕获数据文件格式 | 第26-30页 |
| 2.3 运动捕获数据表示形式 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 运动捕获数据重构关键技术 | 第31-78页 |
| 3.1 基于运动分割和稀疏低秩分解的失真人体运动捕获数据恢复 | 第32-43页 |
| 3.1.1 双边滤波 | 第32-34页 |
| 3.1.2 运动语义分割 | 第34-36页 |
| 3.1.3 稀疏低秩分解 | 第36-37页 |
| 3.1.4 实验结果 | 第37-41页 |
| 3.1.5 实验分析 | 第41-43页 |
| 3.1.6 小结 | 第43页 |
| 3.2 结合模糊聚类和投影近似点算法的缺失运动捕获数据重构 | 第43-57页 |
| 3.2.1 FCM聚类运动分段 | 第44-47页 |
| 3.2.2 ProPPA局部缺失数据重构 | 第47-49页 |
| 3.2.3 实验结果 | 第49-54页 |
| 3.2.4 实验分析 | 第54-56页 |
| 3.2.5 小结 | 第56-57页 |
| 3.3 基于自适应非负矩阵分解的分层块不完整运动数据补全 | 第57-77页 |
| 3.3.1 运动捕获数据表示方法 | 第58-60页 |
| 3.3.2 自适应非负矩阵分解 | 第60-64页 |
| 3.3.3 运动数据后处理 | 第64-65页 |
| 3.3.4 实验结果 | 第65-69页 |
| 3.3.5 实验分析 | 第69-76页 |
| 3.3.6 小节 | 第76-77页 |
| 3.4 本章小节 | 第77-78页 |
| 第4章 基于运动捕获数据的运动识别和检索 | 第78-103页 |
| 4.1 基于邻近关系保持字典学习的动作识别方法 | 第79-85页 |
| 4.1.1 运动数据表示和归一化处理 | 第80页 |
| 4.1.2 邻近关系挖掘 | 第80-82页 |
| 4.1.3 邻近关系保持字典学习 | 第82页 |
| 4.1.4 基于稀疏编码的运动识别 | 第82-83页 |
| 4.1.5 实验结果与分析 | 第83-84页 |
| 4.1.6 小节 | 第84-85页 |
| 4.2 基于时序词袋模型和邻近关系保持字典学习的运动检索 | 第85-102页 |
| 4.2.1 运动数据预处理 | 第86-87页 |
| 4.2.2 时序邻近词袋模型(TA-BoW) | 第87-90页 |
| 4.2.3 判别性邻近关系保持字典学习(DNP-DL) | 第90-95页 |
| 4.2.4 分层运动检索机制 | 第95页 |
| 4.2.5 实验结果与分析 | 第95-102页 |
| 4.2.6 小节 | 第102页 |
| 4.3 本章小结 | 第102-103页 |
| 第5章 结束语 | 第103-107页 |
| 5.1 论文工作总结 | 第103-105页 |
| 5.2 论文工作展望 | 第105-107页 |
| 参考文献 | 第107-114页 |
| 致谢 | 第114-115页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第115页 |
