基于深度信息的人体关节点定位算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第2章 随机森林分类器 | 第15-26页 |
| 2.1 引言 | 第15页 |
| 2.2 分类器简介 | 第15-17页 |
| 2.3 决策树 | 第17-21页 |
| 2.3.1 特征属性选择 | 第17-19页 |
| 2.3.2 决策树的构造与分类 | 第19-20页 |
| 2.3.3 决策树的过拟合 | 第20-21页 |
| 2.4 基于决策树的随机森林 | 第21-25页 |
| 2.4.1 随机森林构造 | 第22-24页 |
| 2.4.2 随机森林分类 | 第24页 |
| 2.4.3 随机森林评估方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 人体关节点定位算法 | 第26-41页 |
| 3.1 引言 | 第26页 |
| 3.2 基于图像处理的关节点定位算法 | 第26-28页 |
| 3.3 基于随机森林的关节点定位算法 | 第28-29页 |
| 3.4 深度数据预处理 | 第29页 |
| 3.5 颜色标注深度图像 | 第29-32页 |
| 3.6 局域差值特征 | 第32-35页 |
| 3.7 随机森林分类器设计 | 第35-38页 |
| 3.7.1 分类器参数优化 | 第35-38页 |
| 3.7.2 分类器模型创建 | 第38页 |
| 3.8 质心提取方法 | 第38-39页 |
| 3.9 本章小结 | 第39-41页 |
| 第4章 关节点定位算法实现及性能分析 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 关节点定位算法实现框架 | 第41-42页 |
| 4.3 实验数据采集 | 第42-47页 |
| 4.3.1 Kinect传感器组成结构 | 第42-43页 |
| 4.3.2 深度数据获取原理 | 第43-45页 |
| 4.3.3 深度数据的获取与显示 | 第45-47页 |
| 4.4 实验环境及参数设定 | 第47-48页 |
| 4.5 关节点定位算法性能分析 | 第48-54页 |
| 4.5.1 结果定性分析 | 第48-51页 |
| 4.5.2 结果定量分析 | 第51-54页 |
| 4.5.3 关节点定位的适用场景 | 第54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士期间发表的论文及其它成果 | 第60-62页 |
| 致谢 | 第62页 |
