基于3D模型的行为识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 行为识别技术发展概况 | 第11-13页 |
| 1.2.1 行为识别流程 | 第11页 |
| 1.2.2 基于 2D 图像序列的运动特征 | 第11-12页 |
| 1.2.3 基于 3D 图像序列的运动特征 | 第12-13页 |
| 1.3 全文研究内容及章节安排 | 第13-15页 |
| 第2章 深度图像捕捉设备 | 第15-19页 |
| 2.1 深度感应 | 第15-16页 |
| 2.2 深度图像感应设备 | 第16-17页 |
| 2.2.1 立体摄像机 | 第16页 |
| 2.2.2 结构光传感器 | 第16页 |
| 2.2.3 ToF 摄像机 | 第16-17页 |
| 2.3 Kinect for Windows | 第17-19页 |
| 第3章 肢体角度模型 | 第19-35页 |
| 3.1 姿态表示模型 | 第19-21页 |
| 3.2 Kinect 人体模型 | 第21-22页 |
| 3.3 肢体角度模型 | 第22-35页 |
| 3.3.1 关节点和行为识别 | 第22-23页 |
| 3.3.2 关节点 | 第23-24页 |
| 3.3.3 关节点位置信息提取 | 第24-25页 |
| 3.3.4 肢体 | 第25-26页 |
| 3.3.5 坐标系建立与转换 | 第26-27页 |
| 3.3.6 球坐标系转换 | 第27-30页 |
| 3.3.7 肢体角度 | 第30-31页 |
| 3.3.8 模型可重构特性 | 第31-32页 |
| 3.3.9 肢体角度差异 | 第32-33页 |
| 3.3.10 姿态差异衡量方法 | 第33-34页 |
| 3.3.11 肢体角度模型总结 | 第34-35页 |
| 第4章 行为归类 | 第35-39页 |
| 4.1 隐马尔可夫模型介绍 | 第35-37页 |
| 4.1.1 马尔可夫过程 | 第35页 |
| 4.1.2 隐马尔可夫模型 | 第35-37页 |
| 4.1.3 隐马尔可夫模型的训练和概率计算 | 第37页 |
| 4.2 隐马尔可夫模型应用 | 第37-39页 |
| 4.2.1 关键姿态 | 第38页 |
| 4.2.2 训练与识别 | 第38-39页 |
| 第5章 实验 | 第39-43页 |
| 5.1 实验样本 | 第39-40页 |
| 5.2 实验环境 | 第40页 |
| 5.3 样本存储 | 第40页 |
| 5.4 实验结果 | 第40-43页 |
| 5.4.1 不同视角样本之间的交叉实验 | 第40-41页 |
| 5.4.2 不同人体之间的交叉实验 | 第41-42页 |
| 5.4.3 阈值实验 | 第42-43页 |
| 第6章 结论与展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录 1 攻读硕士学位期间发表的论文 | 第48-49页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第49-50页 |
| 详细摘要 | 第50-53页 |
