| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-14页 |
| 1.2.1 人机交互发展历史 | 第10-12页 |
| 1.2.2 人机交互发展趋势 | 第12页 |
| 1.2.3 基于Kinect的人体识别研究现状 | 第12-14页 |
| 1.3 论文主要研究内容及章节安排 | 第14-17页 |
| 1.3.1 本文的主要工作 | 第14页 |
| 1.3.2 本文的结构安排 | 第14-17页 |
| 第2章 Kinect技术及人体识别算法 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 Kinect介绍 | 第17-24页 |
| 2.2.1 Kinect硬件组成 | 第17-19页 |
| 2.2.2 Kinect工作原理 | 第19-22页 |
| 2.2.3 Kinect for windows SDK | 第22-24页 |
| 2.3 人体识别方法的研究 | 第24-27页 |
| 2.3.1 基于模板的方法 | 第24-25页 |
| 2.3.2 基于概率网络的方法 | 第25-26页 |
| 2.3.3 基于文法技术(syntactic technique)的方法 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 基于骨骼向量特征值的人体姿势识别 | 第29-49页 |
| 3.1 引言 | 第29页 |
| 3.2 基于骨骼向量特征值的模板匹配 | 第29-36页 |
| 3.2.1 传统模板匹配原理 | 第29-30页 |
| 3.2.2 基于骨骼向量的人体姿势模板的数学实现 | 第30-36页 |
| 3.2.3 基于骨骼向量特征值的模板匹配原理 | 第36页 |
| 3.3 人体姿势匹配识别的实现 | 第36-47页 |
| 3.3.1 人体姿势标准库的建立 | 第37-40页 |
| 3.3.2 待测姿势的数据采集与处理 | 第40页 |
| 3.3.3 姿势分类器的设计 | 第40-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第4章 基于Kinect的人体姿势识别平台 | 第49-63页 |
| 4.1 引言 | 第49页 |
| 4.2 平台的开发与运行 | 第49-51页 |
| 4.2.1 平台的开发 | 第49-50页 |
| 4.2.2 平台的运行 | 第50-51页 |
| 4.3 平台设计 | 第51-56页 |
| 4.3.1 平台结构 | 第51-52页 |
| 4.3.2 模块设计 | 第52-56页 |
| 4.4 平台功能调试和测试 | 第56-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63-64页 |
| 5.2 展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 附录 | 第71-93页 |