首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度图和线性表示模型的人体行为识别研究

摘要第3-4页
Abstract第4页
第一章 绪论第7-13页
    1.1 研究的背景与意义第7-8页
    1.2 国内外研究现状第8-9页
    1.3 人体行为识别的分类第9-11页
    1.4 人体行为识别的研究难点第11-12页
    1.5 论文研究内容与组织结构第12-13页
第二章 基于深度图的行为识别方法概述第13-22页
    2.1 人体行为识别框架第13页
    2.2 数据集概述第13-14页
    2.3 特征提取算法概述第14-17页
        2.3.1 基于3D轮廓的行为识别第15页
        2.3.2 基于局部时空特征的行为识别第15-16页
        2.3.3 基于局部占用模式的行为识别第16页
        2.3.4 基于深度学习的行为识别第16-17页
    2.4 分类器概述第17-20页
        2.4.1 稀疏表示分类器第18-19页
        2.4.2 协作表征分类器第19-20页
        2.4.3 字典学习分类器第20页
    2.5 本章小结第20-22页
第三章 基于判别协作表征分类器的人体行为识别第22-33页
    3.1 深度运动投影图第22-23页
    3.2 判别协作表征分类器第23-27页
        3.2.1 协作表征分类器第23-24页
        3.2.2 判别协作表征分类器第24页
        3.2.3 目标函数分析与求解第24-27页
    3.3 实验与分析第27-32页
        3.3.1 实验设置第27页
        3.3.2 实验结果与分析第27-31页
        3.3.3 时间分析第31-32页
    3.4 本章小结第32-33页
第四章 基于深度运动投影金字塔的人体行为识别第33-42页
    4.1 总体框架第33-34页
    4.2 深度运动投影金字塔第34-35页
    4.3 实验与分析第35-41页
        4.3.1 实验设置第35页
        4.3.2 实验结果与分析第35-41页
    4.4 本章小结第41-42页
第五章 基于meta-Action字典学习的人体行为识别第42-52页
    5.1 加权深度运动投影金字塔第42页
    5.2 meta-Action字典学习第42-45页
        5.2.1 字典学习第42-43页
        5.2.2 meta-Action字典学习第43-45页
    5.3 实验与分析第45-51页
        5.3.1 实验结果与分析第45-50页
        5.3.2 综合对比第50-51页
    5.4 本章小结第51-52页
总结与展望第52-54页
    论文总结第52页
    后续工作展望第52-54页
致谢第54-55页
参考文献第55-60页
附录:作者在攻读硕士学位期间发表的论文第60页

论文共60页,点击 下载论文
上一篇:高校校友信息管理系统的设计与实现
下一篇:流形密度峰聚类算法及其在微博文本分类中的应用