| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 引言 | 第15页 |
| 1.2 人体动作识别的应用前景 | 第15-17页 |
| 1.3 人体动作识别的研究难点 | 第17-18页 |
| 1.4 人体动作识别的研究现状 | 第18-19页 |
| 1.5 本论文的研究工作与结构安排 | 第19-21页 |
| 第二章 人体动作识别相关技术 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 卷积神经网络 | 第21-24页 |
| 2.3 K-means聚类和VLAD向量 | 第24-25页 |
| 2.4 SVM分类器 | 第25-27页 |
| 2.5 人体动作识别数据库 | 第27-29页 |
| 2.5.1 UCF101数据库 | 第27-28页 |
| 2.5.2 HMDB51数据库 | 第28-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 基于光流和SPP-Conv Nets的人体动作识别 | 第31-45页 |
| 3.1 引言 | 第31页 |
| 3.2 TV-L1光流计算 | 第31-34页 |
| 3.3 基于光流和SPP-Conv Nets的人体动作识别方法 | 第34-38页 |
| 3.3.1 运动区域分割 | 第34-35页 |
| 3.3.2 SPP-Conv Nets空间金字塔池化网络概述 | 第35-38页 |
| 3.3.3 视频信息和光流信息融合 | 第38页 |
| 3.4 实验结果及结果分析 | 第38-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 基于Two-stream网络和局部深层特征编码的人体动作识别 | 第45-59页 |
| 4.1 引言 | 第45页 |
| 4.2 局部深层特征编码 | 第45-46页 |
| 4.3 基于Two-stream网络和局部深层特征编码的人体动作识别方法 | 第46-50页 |
| 4.3.1 获取视频和光流的CNN特征 | 第47-48页 |
| 4.3.2 对视频和光流获取的CNN特征进行局部深层特征编码 | 第48-49页 |
| 4.3.3 VLAD编码以及合并视频和对应光流的VLAD向量 | 第49-50页 |
| 4.4 实验结果及实验分析 | 第50-56页 |
| 4.4.1 UCF101数据库的仿真实验 | 第51-54页 |
| 4.4.2 HMDB51数据库的仿真实验 | 第54-56页 |
| 4.5 本章小结 | 第56-59页 |
| 第五章 基于空间线性池化编码的人体动作识别 | 第59-71页 |
| 5.1 引言 | 第59页 |
| 5.2 空间线性池化编码 | 第59-61页 |
| 5.3 基于空间线性池化编码的人体动作识别方法 | 第61-63页 |
| 5.3.1 获取线性特征描述子 | 第62页 |
| 5.3.2 对线性特征描述子进行编码获取VLAD向量 | 第62-63页 |
| 5.4 实验结果及实验分析 | 第63-70页 |
| 5.4.1 UCF101数据库的仿真实验 | 第63-67页 |
| 5.4.2 HMDB51数据库的仿真实验 | 第67-70页 |
| 5.5 本章小结 | 第70-71页 |
| 第六章 总结和展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |
