| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景以及意义 | 第10-11页 |
| 1.2 人体行为识别的现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 本文的组织结构 | 第12-14页 |
| 第2章 基于KINECT的深度图像和骨架信息的获取 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 KINECT硬件和框架介绍 | 第14-16页 |
| 2.3 KINECT深度图像的获取和表示 | 第16-19页 |
| 2.4 KINECT深度图像的存储 | 第19页 |
| 2.5 小结 | 第19-20页 |
| 第3章 基于骨架关节点信息的人体行为的获取 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 常用的人体行为特征的获取 | 第20-22页 |
| 3.3 基于骨架关节点角度的人体行为特征的获取 | 第22-27页 |
| 3.3.1 静态姿态的行为特征的获取 | 第24-26页 |
| 3.3.2 动态姿态的行为特征的获取 | 第26-27页 |
| 3.4 小结 | 第27-28页 |
| 第4章 用于人体行为检测的相关检测算法研究 | 第28-40页 |
| 4.1 引言 | 第28页 |
| 4.2 常用的人体行为识别算法 | 第28-32页 |
| 4.2.1 模板匹配的方法 | 第29页 |
| 4.2.2 基于语法的方法 | 第29-30页 |
| 4.2.3 概率统计的方法 | 第30-32页 |
| 4.2.4 基于描述的方法 | 第32页 |
| 4.3 DTW算法的基本原理 | 第32-34页 |
| 4.3.1 动态规划 | 第32页 |
| 4.3.2 DTW算法的改进 | 第32-34页 |
| 4.4 DTW算法的设计和改进 | 第34-39页 |
| 4.4.1 传统DTW算法的缺点 | 第34-36页 |
| 4.4.2 DTW算法的改进 | 第36-38页 |
| 4.4.3 改进DTW的算法流程 | 第38-39页 |
| 4.5 小结 | 第39-40页 |
| 第5章 基于骨架关节点的异常行为的检测 | 第40-48页 |
| 5.1 引言 | 第40页 |
| 5.2 什么是人体异常行为 | 第40-41页 |
| 5.3 基于骨架信息熵的检测算法 | 第41-43页 |
| 5.3.1 信息熵简介 | 第41页 |
| 5.3.2 骨架信息熵的实验分析 | 第41-43页 |
| 5.4 开发环境和流程 | 第43-45页 |
| 5.5 实验结果 | 第45-47页 |
| 5.6 小结 | 第47-48页 |
| 第6章 结论与展望 | 第48-50页 |
| 6.1 结论 | 第48页 |
| 6.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |