| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究意义 | 第8-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.4 人体行为识别面临的挑战 | 第13-14页 |
| 1.5 本文主要内容及章节安排 | 第14-16页 |
| 第二章 特征提取与描述 | 第16-33页 |
| 2.1 兴趣点提取 | 第16-21页 |
| 2.1.1 Harris-Corner兴趣点检测器 | 第17-18页 |
| 2.1.2 Harris-Corner3D兴趣点检测器 | 第18-21页 |
| 2.2 RGB图像特征描述 | 第21-26页 |
| 2.2.1 HOG描述器 | 第22-23页 |
| 2.2.2 HOG3D描述器 | 第23-26页 |
| 2.3 深度信息特征描述 | 第26-32页 |
| 2.3.1 4D曲面法向量描述符 | 第27-29页 |
| 2.3.2 4D曲面法向量的量化 | 第29-30页 |
| 2.3.3 非均匀量化 | 第30-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于典型相关分析的行为识别方法 | 第33-45页 |
| 3.1 典型相关分析 | 第34-37页 |
| 3.1.1 典型相关分析的基本思想 | 第34-35页 |
| 3.1.2 特征抽取的原理与方法 | 第35-37页 |
| 3.2 支持向量机分类器 | 第37页 |
| 3.3 实验 | 第37-44页 |
| 3.3.1 数据库 | 第38-39页 |
| 3.3.2 实验方法 | 第39-41页 |
| 3.3.3 实验结果 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于骨骼关节点的交通手势识别系统 | 第45-58页 |
| 4.1 提取骨骼关节点特征 | 第46-47页 |
| 4.2 距离加权动态时间规整算法 | 第47-51页 |
| 4.2.1 时间序列分类问题 | 第47-48页 |
| 4.2.2 动态时间规整原理及实现过程 | 第48-51页 |
| 4.3 算法识别结果与分析 | 第51-52页 |
| 4.4 交通手势识别系统 | 第52-57页 |
| 4.4.1 硬件系统 | 第52-53页 |
| 4.4.2 软件系统 | 第53-54页 |
| 4.4.3 实时交通手势识别 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58-59页 |
| 5.2 工作展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士期间完成的科研情况 | 第66-67页 |
| 致谢 | 第67-68页 |