声明
第一章 绪论
1.1 研究背景与意义
1.2 行为描述方法研究现状
1.2.1基于低层图像信息的行为描述方法
1.2.2基于高层人体结构的行为描述方法
1.3行为识别算法研究现状
1.3.1基于模板匹配的行为识别算法
1.3.2基于状态空间的行为识别算法
1.4基于Kinect的动作识别研究现状
1.5本文研究主要内容
1.6论文章节安排
第二章 Kinect相关技术介绍
2.1 Kinect概述
2.2 Kinect中的深度数据
2.2.1 深度图像获取原理
2.2.2深度信息测量
2.3 Kinect中的骨骼数据
2.3.1 Kinect骨骼获取原理
2.3.2 骨骼数据处理
2.4 本章小结
第三章 基于骨骼帧的行为描述方法
3.1 常用行为描述方法
3.1.1光流特征
3.1.2时空特征
3.1.3深度特征
3.1.4剪影特征
3.2 人体向量构造
3.3 特征向量提取
3.4 本章小结
第四章 人体动作识别算法研究
4.1 DTW算法
4.2 DTW算法中的距离算法
4.2.1欧式距离(Euclidean Distance)
4.2.2 马氏距离(Mahalanobis Distance)
4.2.3 卡方检验
4.3 BP神经网络
4.3.1 人工神经网络
4.3.2 BP神经网络
4.3.3 BP神经网络的泛化能力
4.4 BP神经网络算法优化
4.4.1垃圾数据剔除
4.4.2降低样本维度
4.5本章小结
第五章 实验及结果分析
5.1 DTW算法实验
5.1.1实验设计
5.1.2实验结果分析
5.2 改进的BP神经网络算法实验
5.2.1实验设计
5.2.2实验结果分析
5.3本章小结
第六章 总结与展望
6.1 工作总结
6.2 论文展望
参考文献
攻读学位期间所取得的相关科研成果
致谢
河北工业大学;