基于卷积神经网络的人体动作识别
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究意义 | 第9页 |
| 1.3 研究现状 | 第9-12页 |
| 1.4 研究内容和章节安排 | 第12-15页 |
| 第2章 基于深度学习的人体动作识别方法概述 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 基于RGB数据的深度学习动作识别 | 第15-18页 |
| 2.3 基于深度数据的深度学习动作识别 | 第18-19页 |
| 2.4 基于骨骼数据的深度学习动作识别 | 第19-21页 |
| 2.5 基于多模态的深度学习运动识别 | 第21-23页 |
| 2.6 本章小结 | 第23-25页 |
| 第3章 人体动作识别的研究框架 | 第25-35页 |
| 3.1 人体动作识别框架 | 第25-26页 |
| 3.2 人体动作识别中的特征提取 | 第26-30页 |
| 3.2.1 特征提取 | 第26-27页 |
| 3.2.2 特征表示 | 第27-30页 |
| 3.3 人体动作识别中的分类模型 | 第30-32页 |
| 3.3.1 线性回归分类 | 第30-31页 |
| 3.3.2 逻辑回归分类 | 第31页 |
| 3.3.3 Softmax回归分类 | 第31-32页 |
| 3.4 本章小结 | 第32-35页 |
| 第4章 基于卷积神经网络的动作识别 | 第35-53页 |
| 4.1 引言 | 第35页 |
| 4.2 基于深度视频的双向特征提取算法 | 第35-38页 |
| 4.2.1 双向池化排序算法 | 第35-36页 |
| 4.2.2 深度动态图的建立 | 第36-38页 |
| 4.3 基于卷积神经网络的分类模型算法 | 第38-40页 |
| 4.4 实验设置 | 第40-41页 |
| 4.4.1 硬件平台与软件平台 | 第40页 |
| 4.4.2 人体动作识别数据集介绍 | 第40-41页 |
| 4.5 结果分析 | 第41-50页 |
| 4.5.1 识别率乘法融合 | 第41页 |
| 4.5.2 实验结果分析与比较 | 第41-50页 |
| 4.6 本章小结 | 第50-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 5.1 本文的工作 | 第53-54页 |
| 5.2 进一步的工作 | 第54-55页 |
| 参考文献 | 第55-63页 |
| 发表论文和参加科研情况说明 | 第63-65页 |
| 致谢 | 第65页 |
