| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 国内外研究现状及存在问题 | 第11-14页 |
| 1.2.1 行为识别研究现状 | 第11-13页 |
| 1.2.2 基于RGB-D人体行为识别的研究现状 | 第13-14页 |
| 1.3 研究的目的及意义 | 第14-15页 |
| 1.4 论文主要研究内容及组织结构 | 第15-16页 |
| 第2章 Kinect设备原理及人体行为识别理论介绍 | 第16-21页 |
| 2.1 Kinect传感器 | 第16-18页 |
| 2.1.1 Kinect传感器简介 | 第16-17页 |
| 2.1.2 Kinect for Windows体系结构 | 第17-18页 |
| 2.1.3 Kinect for Windows SDK | 第18页 |
| 2.2 人体行为识别相关理论 | 第18-20页 |
| 2.2.1 人体行为的基本概念 | 第18-19页 |
| 2.2.2 人体行为识别过程 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第3章 人体行为特征提取及表示方法 | 第21-34页 |
| 3.1 人体行为特征的选择 | 第21-22页 |
| 3.2 Kinect获取人体骨骼模型原理 | 第22-26页 |
| 3.2.1 Kinect获取深度图像原理 | 第22-23页 |
| 3.2.2 Kinect骨骼追踪 | 第23-26页 |
| 3.3 动态行为识别关键节点 | 第26-29页 |
| 3.4 动态行为骨骼数据处理 | 第29-33页 |
| 3.4.1 特征提取 | 第29-32页 |
| 3.4.2 特征提取步骤描述 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于模板匹配的人体行为识别算法 | 第34-47页 |
| 4.1 建模分析 | 第34-35页 |
| 4.2 关键动作的获取 | 第35-38页 |
| 4.2.1 关键动作分析 | 第35页 |
| 4.2.2 关键动作选取 | 第35-38页 |
| 4.3 基于遗传算法的人体行为识别算法 | 第38-45页 |
| 4.3.1 遗传算法的原理 | 第38-40页 |
| 4.3.2 遗传算法应用于人体行为识别 | 第40-43页 |
| 4.3.3 人体行为识别算法 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 人体行为识别实验及结果分析 | 第47-55页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验数据来源 | 第47-48页 |
| 5.3 人体行为识别实验过程 | 第48-50页 |
| 5.4 实验对比与结果分析 | 第50-54页 |
| 5.4.1 实验评估指标 | 第50-51页 |
| 5.4.2 实验对比 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第60-61页 |
| 致谢 | 第61页 |
