| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1.绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 基于视频的姿态识别研究 | 第10-12页 |
| 1.2.2 基于人体关节点的姿态识别研究 | 第12页 |
| 1.2.3 人体姿态识别的困难与挑战 | 第12-14页 |
| 1.3 主要内容与章节安排 | 第14-16页 |
| 1.3.1 主要内容 | 第14页 |
| 1.3.2 章节结构安排 | 第14-16页 |
| 2.基于骨架特征的姿态识别 | 第16-26页 |
| 2.1 骨架特征常用姿态识别的方法 | 第16-19页 |
| 2.1.1 K最近邻分类器 | 第16-17页 |
| 2.1.2 支持向量机 | 第17-18页 |
| 2.1.3 动态时间规整算法 | 第18-19页 |
| 2.2 基于骨架特征的姿态识别流程 | 第19-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3.基于局部图像特征的动作识别 | 第26-42页 |
| 3.1 兴趣点的检测常用方法 | 第26-30页 |
| 3.1.1 Harris-3D兴趣点检测器 | 第27-29页 |
| 3.1.2 .Hessian兴趣点检测器 | 第29页 |
| 3.1.3 .Cuboid兴趣点检测器 | 第29-30页 |
| 3.2 HOG/HOF兴趣点描述子 | 第30-33页 |
| 3.2.1 方向梯度直方图 | 第30-32页 |
| 3.2.2 光流场方向直方图 | 第32-33页 |
| 3.3 K-means词袋模型 | 第33-35页 |
| 3.4 基于局部特征的姿态识别流程 | 第35-39页 |
| 3.5 本章小结 | 第39-42页 |
| 4.基于贝叶斯算法和数据校正技术的人体姿态识别 | 第42-54页 |
| 4.1 人体姿态识别系统 | 第42-44页 |
| 4.1.1 人体姿态识别系统的设计 | 第42-43页 |
| 4.1.2 基于贝叶斯算法和数据校正技术的决策融合方法 | 第43-44页 |
| 4.2 实验平台及实验数据介绍 | 第44-47页 |
| 4.2.1 实验平台介绍 | 第45页 |
| 4.2.2 实验数据介绍 | 第45-47页 |
| 4.3 实验结果分析 | 第47-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5.基于人体姿态识别的虚拟现实交互应用 | 第54-60页 |
| 5.1 虚拟现实实验平台搭建 | 第54-55页 |
| 5.2 基于人体姿态识别的虚拟现实交互应用设计 | 第55-58页 |
| 5.2.1 动作分割 | 第55-56页 |
| 5.2.2 连续动作识别 | 第56-58页 |
| 5.3 虚拟现实系统的交互应用实现 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6.总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 未来工作展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录 硕士研究生学习阶段发表论文 | 第68页 |