| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 特征表示 | 第11-13页 |
| 1.2.2 动作识别方法 | 第13-14页 |
| 1.3 面临的问题与挑战 | 第14-16页 |
| 1.4 本文主要研究内容与章节安排 | 第16-17页 |
| 1.4.1 主要研究内容 | 第16-17页 |
| 1.4.2 章节安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 基本理论与相关工作 | 第18-23页 |
| 2.1 稠密轨迹特征 | 第18-20页 |
| 2.2 特征编码方法 | 第20-23页 |
| 2.2.1 编码方法 | 第20-21页 |
| 2.2.2 Fishervector | 第21-23页 |
| 3 基于运动边界采样及运动梯度直方图的人体动作识别 | 第23-43页 |
| 3.1 运动边界上的稠密轨迹特征 | 第23-27页 |
| 3.1.1 稠密轨迹 | 第23-24页 |
| 3.1.2 运动边界上的稠密轨迹 | 第24-27页 |
| 3.2 运动梯度描述符 | 第27-29页 |
| 3.3 基于运动边界及运动梯度直方图的人体动作识别 | 第29-31页 |
| 3.4 实验结果与分析 | 第31-41页 |
| 3.4.1 数据集介绍 | 第31-33页 |
| 3.4.2 实验参数设置 | 第33页 |
| 3.4.3 六类特征的识别效果对比 | 第33-34页 |
| 3.4.4 整体识别效果对比 | 第34-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 采用多核学习特征融合策略的人体动作识别方法 | 第43-57页 |
| 4.1 特征融合 | 第43-45页 |
| 4.1.1 特征融合位置 | 第43-45页 |
| 4.1.2 特征融合方法 | 第45页 |
| 4.2 基于多核学习的特征融合 | 第45-51页 |
| 4.2.1 核函数 | 第46-48页 |
| 4.2.2 多核学习方法 | 第48-50页 |
| 4.2.3 多特征融合的人体动作识别方法 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-56页 |
| 4.3.1 实验环境及参数设置 | 第51-52页 |
| 4.3.2 实验效果及分析 | 第52-56页 |
| 4.4 本章小结 | 第56-57页 |
| 5 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 附录 | 第67页 |
| A.作者在攻读学位期间发表的论文专利目录 | 第67页 |
| B.作者在攻读学位期间参与的科研项目目录 | 第67页 |
| C.作者在攻读学位期间获得的奖学金及荣誉目录 | 第67页 |