| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 动作特征提取方法的研究现状 | 第11-13页 |
| 1.2.2 动作识别算法的研究现状 | 第13-14页 |
| 1.2.3 基于Kinect的人体动作识别研究现状 | 第14页 |
| 1.3 论文主要研究内容 | 第14-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 Kinect开发平台 | 第18-26页 |
| 2.1 Kinect的结构组成 | 第18-19页 |
| 2.2 Kinect SDK简介 | 第19-21页 |
| 2.2.1 Kinect for Windows SDK功能介绍 | 第19-20页 |
| 2.2.2 Kinect for Windows SDK技术架构 | 第20-21页 |
| 2.3 Kinect数据分析和处理 | 第21-24页 |
| 2.3.1 彩色图像数据 | 第21页 |
| 2.3.2 深度图像数据 | 第21-22页 |
| 2.3.3 骨骼追踪数据 | 第22-24页 |
| 2.4 小结 | 第24-26页 |
| 第三章 基于骨骼追踪数据的特征提取 | 第26-36页 |
| 3.1 人体动作特征提取方法 | 第26-28页 |
| 3.2 基于骨骼追踪数据的特征提取 | 第28-35页 |
| 3.2.1 形状直方图 | 第28-31页 |
| 3.2.2 骨骼追踪数据的形状直方图表示 | 第31-34页 |
| 3.2.3 特征提取 | 第34-35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 基于隐马尔可夫模型的动作识别算法 | 第36-50页 |
| 4.1 常用的动作识别算法 | 第36-38页 |
| 4.1.1 基于语法的方法 | 第36页 |
| 4.1.2 基于模板匹配的方法 | 第36-37页 |
| 4.1.3 基于概率统计的方法 | 第37-38页 |
| 4.2 HMM模型基本思想 | 第38-41页 |
| 4.2.1 马尔可夫链 | 第38-39页 |
| 4.2.2 HMM模型的数学描述 | 第39-41页 |
| 4.3 HMM基本算法 | 第41-46页 |
| 4.3.1 评估问题——Forward-backward算法 | 第41-43页 |
| 4.3.2 解码问题——Viterbi算法 | 第43-44页 |
| 4.3.3 学习问题——Baum-Welch算法 | 第44-46页 |
| 4.4 基于HMM的动作识别算法 | 第46-49页 |
| 4.4.1 训练HMM模型 | 第47页 |
| 4.4.2 基于训练模型的动作识别 | 第47-49页 |
| 4.5 小结 | 第49-50页 |
| 第五章 动作识别系统及实验结果分析 | 第50-60页 |
| 5.1 动作识别系统设计 | 第50-54页 |
| 5.1.1 系统软件设计 | 第50-51页 |
| 5.1.2 识别算法设计 | 第51-54页 |
| 5.2 实验数据库 | 第54-57页 |
| 5.3 实验结果分析 | 第57-58页 |
| 5.4 小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 个人简历 | 第70页 |
| 发表的学术论文 | 第70页 |
