基于运动特征的人体行为识别方法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景与研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.3 本文主要工作与内容安排 | 第22-24页 |
| 第二章 基于函数型数据分析方法的人体行为识别 | 第24-47页 |
| 2.1 引言 | 第24页 |
| 2.2 函数型数据分析 | 第24-26页 |
| 2.3 动作捕捉数据库的建立 | 第26-29页 |
| 2.3.1 WARD数据库 | 第26-27页 |
| 2.3.2 自采集数据库 | 第27-29页 |
| 2.4 动作捕捉数据函数化 | 第29-33页 |
| 2.5 基于周期数据特征的人体行为识别 | 第33-42页 |
| 2.5.1 周期起始点的选取 | 第34-35页 |
| 2.5.2 基于周期起始点的特征向量提取 | 第35-36页 |
| 2.5.3 基于周期数据特征的分类 | 第36-37页 |
| 2.5.4 实验结果及分析 | 第37-42页 |
| 2.6 基于函数型特征的人体行为识别 | 第42-46页 |
| 2.6.1 函数型特征的选取 | 第43页 |
| 2.6.2 基于函数型特征的特征向量提取 | 第43-44页 |
| 2.6.3 基于函数型特征的分类 | 第44页 |
| 2.6.4 实验结果及分析 | 第44-46页 |
| 2.7 本章小结 | 第46-47页 |
| 第三章 基于深度学习方法的人体行为识别 | 第47-60页 |
| 3.1 引言 | 第47-49页 |
| 3.2 深度学习与卷积神经网络 | 第49-51页 |
| 3.3 基于卷积神经网络的人体短时行为识别 | 第51-55页 |
| 3.3.1 短时行为模式库的建立 | 第53-54页 |
| 3.3.2 短时行为的分类识别 | 第54-55页 |
| 3.4 实验结果与分析 | 第55-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 工作总结与展望 | 第60-62页 |
| 4.1 工作总结 | 第60页 |
| 4.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间完成的论文和参与的科研项目 | 第69页 |
