| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究的目的及意义 | 第10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 动作特征提取 | 第10-12页 |
| 1.3.2 动作识别算法 | 第12-13页 |
| 1.4 本文的主要研究内容 | 第13-15页 |
| 第2章 人体骨架运动范围估计 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 KINECT V2简介 | 第15-16页 |
| 2.3 人体骨架坐标系的建立 | 第16-19页 |
| 2.3.1 建立人体骨架坐标系的原因 | 第16-17页 |
| 2.3.2 确定人体骨架坐标系原点和坐标轴方向 | 第17页 |
| 2.3.3 确定人体骨架坐标系单位尺度 | 第17-19页 |
| 2.4 确定人体四肢运动范围 | 第19-22页 |
| 2.4.1 人体四肢运动范围的估计 | 第19-20页 |
| 2.4.2 计算人体肢体与最大肩宽的比例 | 第20-21页 |
| 2.4.3 确定肩宽修正因子及人体四肢运动范围 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基于骨骼特征的动作识别 | 第23-40页 |
| 3.1 引言 | 第23页 |
| 3.2 三维关节点特征提取 | 第23-31页 |
| 3.2.1 原始关节点向RGB颜色空间映射计算方法 | 第24-25页 |
| 3.2.2 动作编码图定义 | 第25-26页 |
| 3.2.3 动作编码图的构造 | 第26-28页 |
| 3.2.4 基于K-means聚类算法的动作编码图特征 | 第28-31页 |
| 3.3 基于支持向量机SVM的动作识别 | 第31-35页 |
| 3.3.1 基于主成分分析(PCA)的动作编码图特征降维 | 第31-33页 |
| 3.3.2 基于支持向量机的动作识别 | 第33-35页 |
| 3.4 实验测试 | 第35-39页 |
| 3.4.1 MSRC-12 数据集简介 | 第35-36页 |
| 3.4.2 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于动作分割模型的动作序列识别 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 动作识别数据集的建立 | 第40-41页 |
| 4.3 基于高斯混合模型聚类算法的动作序列分割模型 | 第41-50页 |
| 4.3.1 动作间静止单元的定义 | 第41-44页 |
| 4.3.2 动作单元和静止单元的获取 | 第44-47页 |
| 4.3.3 高斯混合模型简述 | 第47-48页 |
| 4.3.4 GMM模型训练及分类 | 第48-50页 |
| 4.4 实验结果及分析 | 第50-54页 |
| 4.4.1 动作分割模型实验结果及分析 | 第50-51页 |
| 4.4.2 动作实例识别实验结果及分析 | 第51-52页 |
| 4.4.3 动作序列识别实验结果及分析 | 第52-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 基于手持物体种类信息的动作识别 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 基于手持物体种类信息的动作识别框架 | 第55-56页 |
| 5.3 手持物品检测与识别 | 第56-63页 |
| 5.3.1 手持物体检测 | 第56-59页 |
| 5.3.2 手持物体种类识别及实验结果分析 | 第59-63页 |
| 5.4 实验结果及分析 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
