| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 基于RGB图像的行为识别研究现状 | 第13-14页 |
| 1.2.2 基于深度信息的行为识别研究现状 | 第14-15页 |
| 1.3 本文结构安排 | 第15-17页 |
| 第二章 基于深度信息的人体行为模型数据库的建立 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 Kinect传感器的结构和原理介绍 | 第17-20页 |
| 2.2.1 Kinect传感器的硬件组成 | 第17-19页 |
| 2.2.2 Kinect图像之间的坐标系映射 | 第19-20页 |
| 2.3 行为识别数据库介绍 | 第20-23页 |
| 2.3.1 MSR Daily 3D动作数据库 | 第20页 |
| 2.3.2 MSR Action 3D动作数据库 | 第20-21页 |
| 2.3.3 DHA动作数据库 | 第21-22页 |
| 2.3.4 自建数据库 | 第22-23页 |
| 2.4 图像预处理—提取人体索引 | 第23-24页 |
| 2.5 基于深度信息的行为表示与识别算法框架概述 | 第24-25页 |
| 2.6 小结 | 第25-26页 |
| 第三章 运动历史点云的生成 | 第26-38页 |
| 3.1 引言 | 第26页 |
| 3.2 运动历史点云生成 | 第26-28页 |
| 3.3 VoxelGrid滤波器对点云进行下采样 | 第28-29页 |
| 3.4 特征提取 | 第29-31页 |
| 3.5 特征描述 | 第31-34页 |
| 3.5.1 点特征直方图（PFH）描述子 | 第31-33页 |
| 3.5.2 快速点特征直方图（FPFH）描述子 | 第33-34页 |
| 3.6 实验结果分析 | 第34-37页 |
| 3.6.1 生成运动历史点云结果 | 第34-35页 |
| 3.6.2 下采样结果 | 第35-36页 |
| 3.6.3 Harris3D提取特征点结果 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第四章 行为表示与识别 | 第38-51页 |
| 4.1 引言 | 第38页 |
| 4.2 基于单词包算法的行为表示 | 第38-40页 |
| 4.2.1 Kmeans聚类算法介绍 | 第38-39页 |
| 4.2.2 单词包（Bag of Words）算法的原理介绍 | 第39-40页 |
| 4.3 支持向量机SVM | 第40-45页 |
| 4.3.1 SVM基本理论 | 第40-41页 |
| 4.3.2 多类分类SVM | 第41-45页 |
| 4.4 基于多分类SVM的人体行为识别 | 第45-46页 |
| 4.5 实验结果与分析 | 第46-50页 |
| 4.5.1 实验设置 | 第46-47页 |
| 4.5.2 识别结果分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表论文及科研成果 | 第59页 |