首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于多模态空时特征学习的3D人体行为识别

摘要第4-6页
Abstract第6-7页
第一章 绪论第12-19页
    1.1 课题背景和意义第12-13页
    1.2 相关工作第13-17页
        1.2.1 基于原始RGB和深度图序列的行为识别第13-15页
            1.2.1.1 用人工设计的特征进行行为识别第13-14页
            1.2.1.2 用机器学习方法进行行为识别第14-15页
        1.2.2 基于骨架序列的人体行为识别第15-17页
    1.3 本文主要内容第17-19页
第二章 基于多模态运动序列空时学习的3D行为识别第19-38页
    2.1 引言第19-20页
    2.2 相关研究工作第20-22页
        2.2.1 基于空时卷积特征的行为识别第20-21页
        2.2.2 基于骨架空时表达的行为识别第21-22页
    2.3 多模态3D空时卷积框架第22-27页
        2.3.1 深度序列的空时特征学习第23页
        2.3.2 深度运动图的空时特征学习第23-25页
        2.3.3 混合模型的实现第25-27页
    2.4 实验第27-37页
        2.4.1 数据集第27-29页
        2.4.2 在MSR-Action3D数据集上的实验效果评估第29-34页
        2.4.3 在UTD-MHAD数据集上的实验效果评估第34-35页
        2.4.4 在UTKinect-Action3D数据集上的实验效果评估第35-37页
    2.5 本章小结第37-38页
第三章 流形空间中多任务空时学习的3D行为识别第38-65页
    3.1 引言第38-39页
    3.2 基于特殊正交流形空间上的3D人体骨架表示第39-42页
        3.2.1 在3D空间中的刚体变换第39-41页
        3.2.2 在特殊正交流形空间上对3D人体骨架进行表示第41-42页
    3.3 共享流形特征空间的多任务学习3D行为识别第42-44页
    3.4 实验第44-53页
        3.4.1 数据集第44-46页
        3.4.2 在UTKinect-Action3D数据集上的实验效果评估第46-47页
        3.4.3 在MSR-Action3D数据集上的实验效果评估第47-51页
        3.4.4 在Florence数据集上的实验效果评估第51-53页
    3.5 基于多种空时异构特征的多任务联合学习行为识别方法第53-54页
    3.6 实验结果评估第54-64页
        3.6.1 在MSRAction3D数据集上的实验效果评估第54-57页
        3.6.2 在UTD-MHAD数据集上的实验效果评估第57-61页
        3.6.3 在UTKinect-Action3D数据集上的实验效果评估第61-64页
    3.7 本章小结第64-65页
第四章 总结与展望第65-67页
    4.1 本文工作总结第65-66页
    4.2 未来工作展望第66-67页
致谢第67-68页
参考文献第68-77页

论文共77页,点击 下载论文
上一篇:酸碱平衡曝气除垢工艺的酸量模型及新型酸阻垢剂的研究
下一篇:求解有色旅行商问题的自然启发式算法研究