第1章 绪论
1.1 人体动作识别的研究背景与意义
1.2 人体动作识别研究现状与挑战
1.2.1 基于骨架关节点的动作识别研究
1.2.2 基于深度图像的动作识别研究
1.2.3 基于深度学习的动作识别研究
1.3 人体动作数据集的发展现状
1.4 本章小结
第2章 基于三维骨架关节点信息的动作识别
2.1 概述
2.2 获取人体三维骨架关节点数据的原理
2.3 基于张量形状描述子的动作识别
2.3.1 张量形状描述子
2.3.2 多线性主成分规整
2.4 实验结果与分析
2.4.1 不同输入模型的对比实验
2.4.2 动作识别对比实验
2.5 本章小结
第3章 基于动作捕获数据的关键帧提取
3.1 概述
3.2 人体动作数据集的关键帧提取
3.2.1 关键帧提取的目的和原则
3.2.2 关键帧提取方法的研究现状
3.3 基于空间曲度的关键帧提取
3.3.1 空间曲度
3.3.2 关键帧提取
3.4 实验结果与分析
3.4.1 关键帧提取实验
3.4.2 基于关键帧的动作识别实验
3.5 本章小结
第4章 基于深度图像多特征融合的交互动作识别
4.1 概述
4.2 底层视觉特征提取
4.2.1 边缘特征提取
4.2.2 融合边缘与光流特征
4.3 实验结果与分析
4.3.1 双人交互动作识别实验
4.3.2 人物交互动作识别实验
4.4 本章小结
第5章 基于深度图像和卷积神经网络的动作识别
5.1 概述
5.2 3D卷积神经网络
5.2.1 卷积神经网络在动作识别应用中的优点
5.2.2 卷积神经网络基本结构
5.2.3 构建3D卷积神经网络
5.3 实验结果与分析
5.3.1 基于3D CNNs的动作识别实验
5.3.2 基于迁移学习的动作识别实验
5.4 本章小结
第6章 总结与展望
参考文献

本书从人体动作识别的研究现状与挑战以及人体动作数据采集的发展现状人手，并以图像深度信息为研究对象进行人体动作识别研究，循序渐进地进行原理和设计方法的介绍。全书主要内容包括人体三维骨架关节点数据的获取原理，根据数据特点如何建立张量模型，并提出空间曲度概念进行数据集关键帧提取，以及基于3D深度卷积神经网络建立人体动作识别模型等。
本书可作为从事计算机视觉、模式识别研究人员的参考书籍。