| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文主要研究的内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 Kinect软硬件特性及其数据的获取 | 第16-26页 |
| 2.1 设备介绍 | 第16-21页 |
| 2.1.1 Kinect 1.0与Kinect 2.0简介 | 第16-20页 |
| 2.1.2 Kinect for Windows SDK简介 | 第20-21页 |
| 2.2 Kinect数据获取 | 第21-25页 |
| 2.2.1 彩色图像数据提取 | 第22页 |
| 2.2.2 深度图像数据提取 | 第22-23页 |
| 2.2.3 关节点信息提取 | 第23-25页 |
| 2.3 小结 | 第25-26页 |
| 3 深度图像的处理及人体轮廓的提取 | 第26-41页 |
| 3.1 深度图像的处理 | 第26-34页 |
| 3.1.1 均值滤波算法 | 第27页 |
| 3.1.2 中值滤波算法 | 第27-28页 |
| 3.1.3 高斯滤波算法 | 第28-29页 |
| 3.1.4 双边滤波及其改进算法 | 第29-34页 |
| 3.2 人体轮廓区域提取 | 第34-40页 |
| 3.2.1 帧间差分法 | 第35-37页 |
| 3.2.2 背景差分法 | 第37-38页 |
| 3.2.3 Kinect人体轮廓区域的提取 | 第38-39页 |
| 3.2.4 Kinect深度图像和彩色图像配准 | 第39-40页 |
| 3.3 小结 | 第40-41页 |
| 4 Kinect关节点信息的修复 | 第41-51页 |
| 4.1 关节点抖动的修复 | 第41-45页 |
| 4.1.1 Kinect中关节点的抖动现象 | 第41-43页 |
| 4.1.2 用卡尔曼滤波对关节点的抖动进行修复 | 第43-45页 |
| 4.2 关节点偏离的修复 | 第45-50页 |
| 4.2.1 人体骨骼的比例关系 | 第45-46页 |
| 4.2.2 关节点可信度的判断 | 第46-48页 |
| 4.2.3 部位圆限定法 | 第48-50页 |
| 4.3 小结 | 第50-51页 |
| 5 基于Kinect的近景人体运动分析 | 第51-65页 |
| 5.1 动作识别算法介绍 | 第52-56页 |
| 5.1.1 基于Hausdorff距离的动作识别 | 第52-53页 |
| 5.1.2 基于隐含马尔科夫模型的动作识别 | 第53-54页 |
| 5.1.3 动态时间规整 | 第54-56页 |
| 5.2 MSRAction3D数据集 | 第56-57页 |
| 5.3 关节点特征的选择 | 第57-60页 |
| 5.4 实验结果及其分析 | 第60-64页 |
| 5.4.1 采集数据的实验结果 | 第61-62页 |
| 5.4.2 MSRAction3D数据集上的实验结果 | 第62-64页 |
| 5.5 小结 | 第64-65页 |
| 6 总结和展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第71-73页 |
| 学位论文数据集 | 第73页 |
