基于深度信息的人体动作识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.3 论文主要研究工作 | 第19-20页 |
| 1.4 论文组织结构 | 第20-21页 |
| 第二章 视频数据特征的提取 | 第21-37页 |
| 2.1 局部特征的提取 | 第21-24页 |
| 2.1.1 运动特征的提取 | 第23页 |
| 2.1.2 运动信息的不变性 | 第23-24页 |
| 2.2 时间域特征的提取 | 第24-33页 |
| 2.2.1 基于K-means算法的字典构造 | 第25-27页 |
| 2.2.2 基于局部性约束线性编码模型的数据编码 | 第27-31页 |
| 2.2.3 基于时域金字塔匹配的特征提取 | 第31-33页 |
| 2.3 本章总结 | 第33-37页 |
| 第三章 分类器模型的设计 | 第37-49页 |
| 3.1 基于多例学习的关键帧提取 | 第38-42页 |
| 3.1.1 多例学习简介 | 第39-41页 |
| 3.1.2 视频关键帧的提取 | 第41-42页 |
| 3.2 基于隐元结构化支持向量机的分类器构造 | 第42-46页 |
| 3.2.1 结构化支持向量机简介 | 第43-44页 |
| 3.2.2 隐元结构化支持向量机简述 | 第44-46页 |
| 3.3 本章总结 | 第46-49页 |
| 第四章 模型框架集成及实验分析 | 第49-65页 |
| 4.1 模型框架集成 | 第49-50页 |
| 4.2 离线实验与结果分析 | 第50-59页 |
| 4.2.1 数据集描述 | 第50-52页 |
| 4.2.2 实验设置 | 第52-55页 |
| 4.2.3 实验结果与分析 | 第55-59页 |
| 4.3 在线实验与结果分析 | 第59-62页 |
| 4.3.1 数据集描述 | 第59-60页 |
| 4.3.2 实验设置 | 第60-61页 |
| 4.3.3 实验结果与分析 | 第61-62页 |
| 4.4 实验总结与讨论 | 第62-64页 |
| 4.5 本章总结 | 第64-65页 |
| 全文总结 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读学位期间发表的学术论文目录 | 第73-74页 |
| 攻读学位期间参与的项目 | 第74-76页 |
