| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的组织结构 | 第18-19页 |
| 第2章 预备知识 | 第19-33页 |
| 2.1 PCA与PPCA原理 | 第19-21页 |
| 2.1.1 PCA原理 | 第19-20页 |
| 2.1.2 PPCA原理 | 第20-21页 |
| 2.2 模糊聚类 | 第21-23页 |
| 2.3 LDA原理 | 第23-27页 |
| 2.3.1 Fisher线性判别准则 | 第24-26页 |
| 2.3.2 Fisher线性判别c类问题 | 第26-27页 |
| 2.4 隐马尔科夫模型 | 第27-32页 |
| 2.4.1 马尔科夫链 | 第27-28页 |
| 2.4.2 HMM定义 | 第28-29页 |
| 2.4.3 HMM的三个基本问题 | 第29-32页 |
| 2.5 小结 | 第32-33页 |
| 第3章 自适应的人体运动分割 | 第33-45页 |
| 3.1 算法框架 | 第33-34页 |
| 3.2 初始分割 | 第34-35页 |
| 3.3 运动种类数估计 | 第35-37页 |
| 3.3.1 最大均值差异 | 第35-36页 |
| 3.3.2 PCA估算运动种类数 | 第36-37页 |
| 3.4 周期运动检测 | 第37-39页 |
| 3.5 实验结果及分析 | 第39-44页 |
| 3.5.1 合成数据Synthetic Data | 第39-40页 |
| 3.5.2 Kinect数据 | 第40-42页 |
| 3.5.3 Motion Capture Data | 第42-44页 |
| 3.6 小结 | 第44-45页 |
| 第4章 基于全局信息的运动识别 | 第45-57页 |
| 4.1 算法框架 | 第45-46页 |
| 4.2 骨骼表示 | 第46-48页 |
| 4.3 特征表示 | 第48-49页 |
| 4.4 运动编码 | 第49-50页 |
| 4.5 HMM在运动识别中的应用 | 第50-51页 |
| 4.6 实验结果及分析 | 第51-56页 |
| 4.6.1 自建数据库实验 | 第51-53页 |
| 4.6.2 基准数据库上的识别实验 | 第53-56页 |
| 4.7 小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录A 攻读硕士学位期间发表的论文和参加的项目 | 第63-64页 |
| 致谢 | 第64-65页 |