| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景 | 第14-15页 |
| 1.2 研究现状 | 第15-20页 |
| 1.2.1 动作数据来源 | 第16页 |
| 1.2.2 动作识别中常用的特征 | 第16-17页 |
| 1.2.3 动作识别算法 | 第17-19页 |
| 1.2.4 各类识别方法比较 | 第19-20页 |
| 1.3 研究目标和研究内容 | 第20-21页 |
| 1.3.1 研究目标 | 第20页 |
| 1.3.2 研究内容 | 第20-21页 |
| 1.4 文章的组织结构 | 第21-22页 |
| 第二章 动作识别框架设计与架构 | 第22-38页 |
| 2.1 引言 | 第22页 |
| 2.2 相关理论研究 | 第22-31页 |
| 2.2.1 特征提取和特征选择 | 第22-24页 |
| 2.2.2 奇异值分解 | 第24-25页 |
| 2.2.3 各种分类算法 | 第25-28页 |
| 2.2.4 支持向量机 | 第28-29页 |
| 2.2.5 隐马尔科夫模型 | 第29-31页 |
| 2.3 识别方法的设计 | 第31-34页 |
| 2.3.1 实时动作识别面临的挑战 | 第31页 |
| 2.3.2 设计思路 | 第31-33页 |
| 2.3.3 具体方法和流程 | 第33-34页 |
| 2.4 系统架构 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 第三章 动作数据特征提取和组合式分类器 | 第38-51页 |
| 3.1 引言 | 第38页 |
| 3.2 动作数据源 | 第38-40页 |
| 3.3 动作的级别划分 | 第40-41页 |
| 3.4 动作矩阵和动作数据的特征提取 | 第41-45页 |
| 3.4.1 动作矩阵和动作模板 | 第41-42页 |
| 3.4.2 动作矩阵的奇异值分解 | 第42-44页 |
| 3.4.3 特征向量的提取 | 第44-45页 |
| 3.5 基于类内和类间距离的双阈值筛选器 | 第45-48页 |
| 3.5.1 动作矩阵相似性度量 | 第45-47页 |
| 3.5.2 筛选器工作原理 | 第47-48页 |
| 3.6 基于支持向量机的多类分类器 | 第48页 |
| 3.7 分类器效果 | 第48-50页 |
| 3.8 本章小节 | 第50-51页 |
| 第四章 实时动作识别 | 第51-57页 |
| 4.1 引言 | 第51页 |
| 4.2 组合式分类器 | 第51-52页 |
| 4.3 马尔科夫模型优化识别 | 第52-54页 |
| 4.4 基于文法的识别 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 实验结果与分析 | 第57-64页 |
| 5.1 系统运行环境 | 第57页 |
| 5.2 识别效果实验 | 第57-62页 |
| 5.2.1 正常速度、规范的动作(无 HMM，无筛选器) | 第57-58页 |
| 5.2.2 速度变化、有走样的动作(无 HMM，无筛选器) | 第58-59页 |
| 5.2.3 速度变化、有走样的动作(无 HMM，有筛选器) | 第59-60页 |
| 5.2.4 速度变化、有走样的动作（有 HMM，有筛选器） | 第60-62页 |
| 5.3 识别实时性 | 第62页 |
| 5.4 与其他论文的结果对比 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 工作总结与展望 | 第64-67页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 本文工作的不足 | 第65-66页 |
| 6.3 工作展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士学位期间已发表或录用的论文 | 第71页 |
