| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-23页 |
| ·人机交互的发展 | 第10-12页 |
| ·基于计算机视觉的人机交互 | 第12页 |
| ·基于计算机视觉的虚拟运动机及其研究意义 | 第12-17页 |
| ·基于计算机视觉的虚拟运动机 | 第12-14页 |
| ·基于计算机视觉的虚拟运动机的组成 | 第14-16页 |
| ·基于计算机视觉的虚拟运动机的研究意义 | 第16-17页 |
| ·国内外研究概况 | 第17-20页 |
| ·国外研究概况 | 第18-19页 |
| ·国内研究概况 | 第19-20页 |
| ·虚拟运动机中的人体运动跟踪 | 第20-21页 |
| ·论文的工作和结构 | 第21-23页 |
| 第二章 人体关节识别 | 第23-61页 |
| ·运动目标提取方法概述 | 第23-25页 |
| ·运动人体提取 | 第25-36页 |
| ·基于单高斯背景模型的背景减除法 | 第25-28页 |
| ·利用 C-均值聚类初始化背景模型 | 第28-30页 |
| ·阴影消除 | 第30-32页 |
| ·数学形态学滤波 | 第32-35页 |
| ·运动人体提取算法 | 第35-36页 |
| ·人体关节提取 | 第36-60页 |
| ·标记 | 第36-37页 |
| ·人体骨骼模型 | 第37-39页 |
| ·极值点确定 | 第39-42页 |
| ·初始位置确定 | 第42-47页 |
| ·粗定位 | 第47-50页 |
| ·精定位 | 第50-54页 |
| ·带宽确定 | 第54-58页 |
| ·人体关节提取算法 | 第58-60页 |
| ·本章小节 | 第60-61页 |
| 第三章 运动人体跟踪 | 第61-77页 |
| ·MEAN SHIFT 分析 | 第61-65页 |
| ·核密度估计 | 第61-62页 |
| ·基本 Mean Shift 向量 | 第62-63页 |
| ·扩展 Mean Shift 向量 | 第63页 |
| ·Mean Shift 向量与概率密度梯度之关系 | 第63-64页 |
| ·Mean Shift 算法 | 第64-65页 |
| ·基于 MEAN SHIFT 的目标跟踪算法 | 第65-70页 |
| ·目标模板特征表示 | 第65-66页 |
| ·候选目标特征表示 | 第66-67页 |
| ·基于 Bhattacharyya 距离的相似性度量 | 第67页 |
| ·目标定位 | 第67-68页 |
| ·基于背景抑制直方图的人体运动跟踪 | 第68-70页 |
| ·连续跟踪的稳健方法的分析与选择 | 第70-74页 |
| ·核函数带宽更新机制 | 第74-76页 |
| ·基于 BHATTACHARYYA 系数的目标模板更新机制 | 第76页 |
| ·本章小节 | 第76-77页 |
| 第四章 虚拟运动机的人体运动跟踪模块实现 | 第77-82页 |
| ·人体运动跟踪模块设计 | 第77页 |
| ·运动人体跟踪实验 | 第77-81页 |
| ·本章小节 | 第81-82页 |
| 结论与展望 | 第82-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间取得的研究成果 | 第88-89页 |
| 致谢 | 第89-90页 |
| 附件 | 第90页 |