| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-12页 |
| 1.2 虚拟人运动模型的研究目的及意义 | 第12-13页 |
| 1.3 虚拟人运动模型研究现状 | 第13-15页 |
| 1.4 构建虚拟人运动模型存在的问题 | 第15-16页 |
| 1.5 本文的研究内容 | 第16页 |
| 1.6 论文架构 | 第16-18页 |
| 第2章 虚拟人运动模型开发环境及相关算法研究 | 第18-23页 |
| 2.1 深度信息的采集 | 第18-20页 |
| 2.1.1 深度图像概述 | 第18-19页 |
| 2.1.2 深度图像的成像原理 | 第19页 |
| 2.1.3 深度摄像机开发框架 OpenNI | 第19-20页 |
| 2.2 背景差分方法研究 | 第20-21页 |
| 2.3 基于逆运动学的人体运动模型算法研究 | 第21-22页 |
| 2.3.1 逆运动学的概念 | 第21页 |
| 2.3.2 逆运动学问题的求解方法 | 第21页 |
| 2.3.3 逆向运动学人体运动模型算法介绍 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 人体运动检测与跟踪 | 第23-35页 |
| 3.1 运动人体区域检测处理 | 第23页 |
| 3.2 利用深度模板与彩色图像进行融合提取边缘 | 第23-26页 |
| 3.2.1 深度模板的建立 | 第23-24页 |
| 3.2.2 人体边缘提取步骤 | 第24-26页 |
| 3.3 Kalman 滤波器的实现 | 第26-31页 |
| 3.3.1 Kalman 滤波模型的数学描述 | 第26-27页 |
| 3.3.2 Kalman 滤波器的推导 | 第27-29页 |
| 3.3.3 Kalman 滤波器的参数设置 | 第29页 |
| 3.3.4 利用 Kalman 滤波器进行人体关节点跟踪 | 第29-31页 |
| 3.4 关节点的运动跟踪 | 第31-34页 |
| 3.4.1 Cam-shift 捕捉算法 | 第31-32页 |
| 3.4.2 Kalman 滤波器指导下的 Cam-shift 关节点捕捉 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 虚拟人的运动模型研究 | 第35-44页 |
| 4.1 虚拟人运动模型组成的研究 | 第35-36页 |
| 4.2 单帧中的已跟踪关节点三维坐标的获取 | 第36-39页 |
| 4.3 肢端轨迹动态算法研究 | 第39-42页 |
| 4.4 参数化逆向运动学算法研究 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 实验结果与分析 | 第44-48页 |
| 5.1 实验素材与实验平台 | 第44页 |
| 5.2 实验总体流程 | 第44-45页 |
| 5.3 实验结果与分析 | 第45-47页 |
| 5.3.1 运动捕捉与跟踪结果与分析 | 第45页 |
| 5.3.2 虚拟人运动模型的实现 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的学术论文 | 第53-54页 |
| 致谢 | 第54页 |