声明
第1章 绪 论
1.1 课题背景及意义
1.2 国内外研究现状及分析
1.2.1 视频的行为识别研究现状
1.2.2 人体骨架序列的行为识别研究现状
1.2.3 深度学习行为识别的研究现状
1.3 本文的主要研究内容
1.3.1 多视角深度视频行为识别研究
1.3.2 人体骨架序列行为识别研究
1.4 本文组织结构
第2章 行为识别理论基础
2.1 引言
2.2 卷积神经网络
2.2.1 卷积神经网络的概述
2.2.2 卷积神经网络的工作原理
2.3 时间等级池化
2.3.1 表示时间信息的函数参数
2.3.2 等级池化方法
2.4 傅里叶时间金字塔
2.5 行为识别分类算法
2.5.1 支持向量机
2.5.2 最优边界分配机
2.6 本章小结
第3章 与视角无关的人体行为识别模型
3.1 引言
3.2 与视角无关的行为识别整体框架
3.3 与视角无关的人体姿态模型
3.3.1 人体姿态模型结构
3.3.2 人体姿态模型构建
3.4 视频时间信息建模
3.4.1 视频子序列时间等级池化模型
3.4.2 全局时间编码和分类
3.5 实验结果分析
3.5.1 UWA3DII实验数据集
3.5.2 UWA3DII数据集实验分析
3.6 模型泛化能力验证实验
3.6.1 MSR Daily Activity3D实验数据集
3.6.2 MSR Daily Activity3D数据集实验分析
3.6.3 分类算法实验分析
3.7 本章小结
第4章 人体骨架序列的行为识别模型
4.1 引言
4.2 模型整体框架及描述
4.3 局部时空特征提取方法
4.3.1 局部时空特征的表示
4.3.2 骨架序列关节子组的划分
4.4 特征的聚合方法
4.5 实验结果及分析
4.5.1 MSR Action3D实验数据集
4.5.2 实验条件及参数设定
4.5.3 MSR Action3D数据集实验结果分析
4.6 模型泛化能力验证实验
4.6.1 Florence 3D实验数据集
4.6.2 Florence 3D数据集实验结果分析
4.7 框架实时性分析
4.8 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
燕山大学;