| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景 | 第8-9页 |
| 1.2 课题研究的意义 | 第9-10页 |
| 1.3 国内及国外研究动态 | 第10-13页 |
| 1.4 课题研究的章节安排 | 第13-14页 |
| 第2章 步态检测系统组成结构 | 第14-17页 |
| 2.1 Kinect步态检测系统 | 第14-16页 |
| 2.1.1 Kinect传感器 | 第14-15页 |
| 2.1.2 Kinect步态检测系统结构设计 | 第15-16页 |
| 2.2 麦克纳姆轮原理 | 第16页 |
| 2.3 本章小结 | 第16-17页 |
| 第3章 步态特征提取 | 第17-24页 |
| 3.1 深度图像校正 | 第17-18页 |
| 3.2 步态数据的获取 | 第18-22页 |
| 3.3 标记点离地面高度的获取 | 第22页 |
| 3.4 膝关节角度的计算 | 第22-23页 |
| 3.5 本章小结 | 第23-24页 |
| 第4章 基于时间序列建模的卡尔曼预测及估计 | 第24-44页 |
| 4.1 时间序列概念 | 第24-25页 |
| 4.2 时间序列建模 | 第25-28页 |
| 4.3 时间序列进行建模的过程 | 第28-32页 |
| 4.3.1 序列的平稳性检验和非平稳化处理 | 第28-29页 |
| 4.3.2 模型定阶 | 第29-30页 |
| 4.3.3 模型参数估计 | 第30-32页 |
| 4.3.4 模型验证 | 第32页 |
| 4.4 卡尔曼滤波基本原理 | 第32-33页 |
| 4.5 时间序列模型转换成状态空间表达式 | 第33-34页 |
| 4.6 步态序列建模与预测的实验验证 | 第34-43页 |
| 4.6.1 正常步态时间序列建模 | 第35-40页 |
| 4.6.2 正常步态序列模型的预测及估计 | 第40-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第5章 步态的识别 | 第44-62页 |
| 5.1 步态识别的参数选择 | 第44-45页 |
| 5.2 正常步态序列建模、预测及估计 | 第45-54页 |
| 5.2.1 对称性正常步态序列建模 | 第45-49页 |
| 5.2.2 对称性与非对称性正常步态序列的预测及估计 | 第49-54页 |
| 5.3 滑动平均法识别步态 | 第54-60页 |
| 5.3.1 滑动平均的方法简介 | 第54页 |
| 5.3.2 滑动平均法识别步态的实验 | 第54-60页 |
| 5.4 本章小结 | 第60-62页 |
| 第6章 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 在学研究成果 | 第66-67页 |
| 致谢 | 第67页 |