| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 体感技术研究现状 | 第12-14页 |
| 1.2.2 人体动作识别方法研究现状 | 第14-17页 |
| 1.3 本文的主要贡献 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-20页 |
| 第二章 多模态人体动作数据集 | 第20-25页 |
| 2.1 现有的多模态人体动作数据集 | 第20-21页 |
| 2.1.1 Berkeley MHAD数据集 | 第20页 |
| 2.1.2 UTD-MHAD数据集 | 第20-21页 |
| 2.1.3 UR Fall Detection数据集 | 第21页 |
| 2.2 人体动作数据采集系统 | 第21-22页 |
| 2.3 CAS-YNU多模态人体动作数据集 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 人体动作特征编码 | 第25-33页 |
| 3.1 深度图像特征 | 第25-30页 |
| 3.1.1 时间运动响应 | 第26-29页 |
| 3.1.2 HOG特征 | 第29-30页 |
| 3.2 加速度信号特征 | 第30-32页 |
| 3.2.1 预处理 | 第30-31页 |
| 3.2.2 特征提取 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 多模态人体动作特征融合 | 第33-41页 |
| 4.1 典型相关分析 | 第33-34页 |
| 4.2 判别相关分析 | 第34-37页 |
| 4.3 分类器设计 | 第37-40页 |
| 4.3.1 SVM的基本原理 | 第37-39页 |
| 4.3.2 基于SVM的多类分类 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 实验结果与分析 | 第41-49页 |
| 5.1 实验设置 | 第41页 |
| 5.2 基于深度图像序列的实验 | 第41-43页 |
| 5.3 基于加速度信号的实验 | 第43-46页 |
| 5.4 特征融合实验 | 第46-47页 |
| 5.5 本章小结 | 第47-49页 |
| 第六章 结束语 | 第49-51页 |
| 6.1 本文工作总结 | 第49页 |
| 6.2 技术应用与展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56-57页 |
| 作者简介 | 第57页 |