| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·课题研究目的和意义 | 第8-10页 |
| ·课题研究目的 | 第8页 |
| ·骨骼识别特点与意义 | 第8-10页 |
| ·论文结构组织 | 第10-13页 |
| 第二章 深度图像的预处理 | 第13-25页 |
| ·引言 | 第13页 |
| ·Kinect 平台介绍及使用 | 第13-17页 |
| ·Kinect SDK for windows 构架 | 第14-17页 |
| ·深度图像的获取与转换 | 第17-20页 |
| ·深度信息的获取 | 第17-19页 |
| ·深度图像到空间 3D 坐标的转换 | 第19-20页 |
| ·深度图像到 RGB 图像的配准 | 第20页 |
| ·深度图像的预处理 | 第20-24页 |
| ·深度中值滤波 | 第21-23页 |
| ·分级估计 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 静态骨骼识别 | 第25-43页 |
| ·骨骼识别定义 | 第25-26页 |
| ·骨骼识别的理论依据 | 第25-26页 |
| ·静态骨骼的获取 | 第26-28页 |
| ·静态骨骼数据库的建立 | 第28-30页 |
| ·识别特征抽取 | 第30-31页 |
| ·骨骼模板匹配 | 第31-35页 |
| ·标准欧式距离分类器 | 第31页 |
| ·改进的方差倒数加权欧氏距离分类器 | 第31-32页 |
| ·级联分类器 | 第32-33页 |
| ·骨骼分类 | 第33-35页 |
| ·试验与结果分析 | 第35-40页 |
| ·算法识别性能评价方法 | 第35-36页 |
| ·采用标准欧式距离分类器进行试验 | 第36-37页 |
| ·采用改进的方差倒数加权欧氏距离分类器进行试验 | 第37-39页 |
| ·决策树骨骼分类试验 | 第39-40页 |
| ·本章小结 | 第40-43页 |
| 第四章 动态骨骼识别 | 第43-59页 |
| ·步态识别研究现状 | 第43-47页 |
| ·步态识别研究方法分类 | 第44-46页 |
| ·Kinect 进行步态识别的优势 | 第46-47页 |
| ·步态数据库的建立 | 第47-48页 |
| ·步态周期检测 | 第48-49页 |
| ·步态特征的提取与表达 | 第49-54页 |
| ·双腿主要关节点角度特征 | 第49-50页 |
| ·基于深度图像的步态特征提取 | 第50-54页 |
| ·分类器 | 第54-55页 |
| ·最近邻法 | 第54-55页 |
| ·实验及结果分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| ·工作总结 | 第59-60页 |
| ·工作展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |