| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-19页 |
| 1.1 课题的研究背景和意义 | 第10-14页 |
| 1.1.1 智能视频监控系统 | 第11页 |
| 1.1.2 人机交互系统 | 第11-12页 |
| 1.1.3 教育领域 | 第12页 |
| 1.1.4 虚拟与现实 | 第12-13页 |
| 1.1.5 医疗领域 | 第13-14页 |
| 1.2 国内外研究现状和发展趋势 | 第14-16页 |
| 1.3 人体动作识别面临的问题 | 第16-18页 |
| 1.4 本文主要章节安排 | 第18-19页 |
| 2 KINECT开发平台 | 第19-27页 |
| 2.1 开发环境介绍 | 第19-21页 |
| 2.1.1 Kinect硬件组成 | 第19-20页 |
| 2.1.2 Kinect SDK | 第20-21页 |
| 2.2 KINECT获取深度图像的基本原理 | 第21-24页 |
| 2.3 深度图像的校正 | 第24-25页 |
| 2.4 深度图像的获取技术 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 三维人体骨架模型与动作数据库的建立 | 第27-33页 |
| 3.1 人体动作模型 | 第27-28页 |
| 3.2 人体动作数据库的建立 | 第28-31页 |
| 3.2.1 人体动作捕捉的方法 | 第28页 |
| 3.2.2 骨骼点的跟踪技术 | 第28-29页 |
| 3.2.3 Kinect捕捉人体骨骼的归一化 | 第29-31页 |
| 3.3 人体动作数据库 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 基于骨骼关节点深度信息的人体动作识别 | 第33-54页 |
| 4.1 主流的人体动作识别算法 | 第33-34页 |
| 4.2 基于随机森林的人体部位定位 | 第34-38页 |
| 4.2.1 深度轮廓图预处理 | 第35页 |
| 4.2.2 生成标记数据库 | 第35-36页 |
| 4.2.3 人体部位的标记与生成特征 | 第36-38页 |
| 4.3 实验 | 第38-41页 |
| 4.4 基于模板匹配算法的人体动作识别 | 第41-48页 |
| 4.4.1 人体骨骼关键点位置数据信息的获取 | 第42页 |
| 4.4.2 骨骼关键点数据信息采集、处理和运动特征提取 | 第42-48页 |
| 4.5 实验结果与分析 | 第48-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54-55页 |
| 5.2 展望 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 攻读学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-66页 |