船舶驾驶台值班监测系统关键技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 船员疲劳研究现状 | 第9-10页 |
| 1.2.2 人体姿势识别与步态研究现状 | 第10-11页 |
| 1.3 本文主要工作与贡献 | 第11-13页 |
| 第二章 KINECT开发平台 | 第13-19页 |
| 2.1 kinect硬件结构 | 第13-14页 |
| 2.2 Kinect数据 | 第14-16页 |
| 2.3 Kinect开发环境 | 第16-18页 |
| 2.3.1 OpenCV开发环境搭建 | 第17页 |
| 2.3.2 Kinect开发环境搭建 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 姿势识别 | 第19-32页 |
| 3.1 人体模型 | 第19-22页 |
| 3.2 基于隐马尔可夫的姿势识别 | 第22-24页 |
| 3.2.1 隐马尔可夫模型 | 第22-24页 |
| 3.2.2 HMM识别姿势 | 第24页 |
| 3.3 基于随机森林的姿势识别 | 第24-28页 |
| 3.3.1 随机森林 | 第24-27页 |
| 3.3.2 随机森林姿势识别 | 第27-28页 |
| 3.4 基于向量角度的姿势识别 | 第28-31页 |
| 3.4.1 Kinect坐标系 | 第28-30页 |
| 3.4.2 向量角度的计算 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 步态识别 | 第32-41页 |
| 4.1 步行与步态 | 第32-33页 |
| 4.2 基于视频序列的步态识别 | 第33-35页 |
| 4.3 基于Kiect的步态识别 | 第35-40页 |
| 4.3.1 动态时间规整算法 | 第35-37页 |
| 4.3.2 算法加速 | 第37-39页 |
| 4.3.3 步态信息提取 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 船员值班监测系统 | 第41-47页 |
| 5.1 数据平滑处理 | 第41-42页 |
| 5.2 监测系统及其功能 | 第42-45页 |
| 5.3 结果分析 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 在学期间科研成果情况 | 第52页 |
