| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题背景与研究意义 | 第9-10页 |
| 1.2 人体运动相关问题的研究现状 | 第10-11页 |
| 1.3 本文的主要研究内容 | 第11-12页 |
| 1.3.1 研究内容概述 | 第11-12页 |
| 1.3.2 人体动作的表示 | 第12页 |
| 1.3.3 动作分类 | 第12页 |
| 1.4 本文的文章组织结构 | 第12-14页 |
| 第2章 人体运动的表示及人体动作可视化 | 第14-30页 |
| 2.1 引言 | 第14-15页 |
| 2.2 人体动作的表示 | 第15-16页 |
| 2.2.1 人体骨骼模型 | 第15页 |
| 2.2.2 人体动作的数据结构 | 第15-16页 |
| 2.3 四元数的背景知识 | 第16-18页 |
| 2.3.1 四元数的数学定义 | 第16-17页 |
| 2.3.2 用四元数表示物体旋转 | 第17-18页 |
| 2.4 人体动作的可视化 | 第18-28页 |
| 2.4.1 虚拟人体模型的驱动控制 | 第19-21页 |
| 2.4.2 基于四元数表示的人体动作的可视化 | 第21-24页 |
| 2.4.3 BVH格式的人体动作的可视化 | 第24-27页 |
| 2.4.4 虚拟场景中摄像机的控制 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 人体动作分类算法的研究 | 第30-50页 |
| 3.1 引言 | 第30-31页 |
| 3.2 人体动作分类问题的定义 | 第31-32页 |
| 3.3 基于DTW算法的人体动作分类算法 | 第32-40页 |
| 3.3.1 用最近邻算法分类人体动作 | 第32-33页 |
| 3.3.2 用于DTW算法的人体动作数据结构 | 第33-35页 |
| 3.3.3 DTW算法概述和符号定义 | 第35-36页 |
| 3.3.4 四元数距离 | 第36-38页 |
| 3.3.5 用DTW计算序列距离 | 第38-40页 |
| 3.3.6 并行计算两个动作间的距离 | 第40页 |
| 3.4 基于LSTM神经网络的人体动作分类模型 | 第40-48页 |
| 3.4.1 回顾RNN和LSTM | 第41-43页 |
| 3.4.2 基于LSTM的人体动作分类模型 | 第43-45页 |
| 3.4.3 TensorFlow平台介绍 | 第45页 |
| 3.4.4 在TensorFlow平台上实现人体动作分类模型 | 第45-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 实验与结果分析 | 第50-59页 |
| 4.1 引言 | 第50页 |
| 4.2 实验数据 | 第50-52页 |
| 4.3 实验环境 | 第52-53页 |
| 4.4 基于DTW算法的人体动作分类算法的实验 | 第53-55页 |
| 4.4.1 实验设计 | 第53页 |
| 4.4.2 实验结果及分析 | 第53-55页 |
| 4.5 基于LSTM神经网络的人体动作分类模型的实验 | 第55-57页 |
| 4.5.1 数据预处理 | 第55页 |
| 4.5.2 实验参数设置 | 第55-56页 |
| 4.5.3 实验结果及分析 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-66页 |
| 致谢 | 第66页 |