| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 康复机器人国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 动作识别研究现状 | 第14-15页 |
| 1.4 论文研究内容 | 第15-16页 |
| 1.5 论文结构安排 | 第16-18页 |
| 第2章 相关基础知识 | 第18-27页 |
| 2.1 引言 | 第18页 |
| 2.2 人体动作识别方法研究 | 第18-24页 |
| 2.2.1 运动图像检测 | 第18-20页 |
| 2.2.2 动作特征的选择及提取 | 第20-22页 |
| 2.2.3 人体动作识别方法 | 第22-24页 |
| 2.3 基于Kinect的深度信息 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于Kinect的深度图像采集及图像预处理 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 图像获取过程简介 | 第27-28页 |
| 3.3 深度图像采集 | 第28-29页 |
| 3.4 图像预处理 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 基于深度运动图的康复训练动作识别方法 | 第32-44页 |
| 4.1 方法概述 | 第32页 |
| 4.2 深度运动图提取 | 第32-34页 |
| 4.3 L2-正则化协同表示分类器 | 第34-35页 |
| 4.4 实验结果分析 | 第35-43页 |
| 4.4.1 康复训练动作数据集的实验与分析 | 第35-41页 |
| 4.4.2 MSR Action3D数据集的实验与分析 | 第41-42页 |
| 4.4.3 SVM分类器识别对比 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 基于LBP的康复训练动作识别方法 | 第44-54页 |
| 5.0 引言 | 第44页 |
| 5.1 方法概述 | 第44-45页 |
| 5.2 基于局部二值模式的深度运动图 | 第45-47页 |
| 5.3 核极限学习机分类器 | 第47-49页 |
| 5.4 实验结果及分析 | 第49-53页 |
| 5.4.1 康复训练动作数据集的实验与分析 | 第49-52页 |
| 5.4.2 MSR Action3D数据集的实验与分析 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61页 |
