| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.1.1 课题研究背景 | 第10-12页 |
| 1.1.2 课题研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的研究内容与主要工作 | 第14页 |
| 1.4 论文的结构安排 | 第14-16页 |
| 第二章 人体动作识别技术概述 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 人体动作视频关键帧提取 | 第16-17页 |
| 2.3 人体动作视频特征提取与融合 | 第17-22页 |
| 2.3.1 颜色特征 | 第18-19页 |
| 2.3.2 纹理特征 | 第19-20页 |
| 2.3.3 形状特征 | 第20-21页 |
| 2.3.4 多尺度LBP特征 | 第21-22页 |
| 2.3.5 多特征融合 | 第22页 |
| 2.4 人体动作识别方法 | 第22-25页 |
| 2.4.1 基于形状模板的方法 | 第23-24页 |
| 2.4.2 基于概率统计的方法 | 第24-25页 |
| 2.4.3 基于语法的方法 | 第25页 |
| 2.5 人体动作识别技术研究难点 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于混合式协同训练的人体动作识别方法 | 第27-39页 |
| 3.1 概述 | 第27页 |
| 3.2 传统协同训练算法的分析 | 第27-29页 |
| 3.3 混合式协同训练的人体动作识别算法 | 第29-32页 |
| 3.2.1 基分类器的构造 | 第29-30页 |
| 3.2.2 混合式协同训练算法Co-KNN-SVM | 第30-32页 |
| 3.2.3 KNN和SVM组合的分类决策 | 第32页 |
| 3.4 实验结果与分析 | 第32-38页 |
| 3.4.0 人体动作数据集 | 第32-33页 |
| 3.4.1 评价标准 | 第33-34页 |
| 3.4.2 实验步骤及方法 | 第34-35页 |
| 3.4.3 实验结果分析与讨论 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于半监督集成学习的人体动作识别方法 | 第39-52页 |
| 4.1 概述 | 第39页 |
| 4.2 集成学习 | 第39-42页 |
| 4.2.1 基分类器的创建 | 第40页 |
| 4.2.2 基分类器的组合 | 第40-42页 |
| 4.3 半监督集成学习算法 | 第42页 |
| 4.4 集成学习与Co-KNN-SVM的结合 | 第42-47页 |
| 4.4.1 基于集成学习与Co-KNN-SVM的结合的ECKS算法 | 第42-45页 |
| 4.4.2 伪标号数据的选择与处理 | 第45-46页 |
| 4.4.3 中间分类器差异性和准确性分析 | 第46页 |
| 4.4.4 集成多个基分类器 | 第46-47页 |
| 4.5 实验结果与分析 | 第47-50页 |
| 4.5.1 实验设置 | 第47页 |
| 4.5.2 实验结果分析与讨论 | 第47-50页 |
| 4.6 本章小结 | 第50-52页 |
| 第五章 人体动作识别原型系统的设计与实现 | 第52-59页 |
| 5.1 引言 | 第52页 |
| 5.2 系统的总体设计 | 第52-53页 |
| 5.3 人体动作识别原型系统的实现 | 第53-58页 |
| 5.3.1 系统开发环境 | 第53-54页 |
| 5.3.2 系统实现简介 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间已发表的论文 | 第67页 |