| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 行为识别中人-物交互感知 | 第12-13页 |
| 1.2.2 行为识别研究的方式及分类 | 第13-14页 |
| 1.2.3 行为识别研究难点 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第二章 Kinect平台深度信息获取以及修正 | 第17-29页 |
| 2.1 Kinect工作原理简介 | 第17-21页 |
| 2.1.1 Kinect开发平台简介 | 第17-18页 |
| 2.1.2 Kinect for windows SDK框架 | 第18-19页 |
| 2.1.3 深度图像获取原理 | 第19-21页 |
| 2.2 深度图像误差分析 | 第21-24页 |
| 2.2.1 深度图像黑洞区域生成原因 | 第21-24页 |
| 2.2.2 深度图像不能匹配彩色图像原因分析 | 第24页 |
| 2.3 深度图像修复 | 第24-25页 |
| 2.4 深度图像中人体关节点获取 | 第25-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于颜色模型物体信息的提取 | 第29-39页 |
| 3.1 创建颜色模型方法研究 | 第29-31页 |
| 3.2 颜色分割算法用于物体特征提取 | 第31-34页 |
| 3.2.1 颜色查找表模型 | 第31-32页 |
| 3.2.2 颜色直方图模型 | 第32-34页 |
| 3.2.3 颜色通道值约束模型 | 第34页 |
| 3.3 物体颜色模型实现效果实验 | 第34-36页 |
| 3.4 本章小结 | 第36-39页 |
| 第四章 Kinect平台下的人体肢体行为表示方法研究 | 第39-57页 |
| 4.1 基于视觉的行为表示 | 第39-41页 |
| 4.2 Kinect获取人体数据能力分析 | 第41-46页 |
| 4.2.1深度数据识别分析 | 第41-43页 |
| 4.2.2 Kinect识别人体关节点能力分析 | 第43-46页 |
| 4.3 Kinect平台下人体姿态特征构造方法 | 第46-55页 |
| 4.3.1 基于人体结构构造特征属性 | 第46-51页 |
| 4.3.2 基于Kinect人体行为表示 | 第51-53页 |
| 4.3.3 实验测试与分析 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 人体行为识别算法研究 | 第57-67页 |
| 5.1 基于朴素贝叶斯行为识别研究 | 第57-60页 |
| 5.1.1 朴素贝叶斯模型原理及假定 | 第57-59页 |
| 5.1.2 朴素贝叶斯模型设计实现 | 第59-60页 |
| 5.2 基于多尺度动态贝叶斯网络行为识别研究 | 第60-63页 |
| 5.2.1 多尺度动态贝叶斯网络基本原理 | 第61-62页 |
| 5.2.2 多尺度动态贝叶斯网络设计实现 | 第62-63页 |
| 5.3 两种算法行为识别算法比较及实现效果 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 硕士期间发表的论文和科研成果 | 第75页 |
| 硕士期间参加的科研工作 | 第75-76页 |
| 附件 | 第76页 |