基于Kinect传感器的骨骼定位研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-11页 |
| 1.1 引言 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要内容及章节安排 | 第10-11页 |
| 第二章 Kinect 传感器的结构及工作原理 | 第11-22页 |
| 2.1 Kinect 传感器的硬件系统 | 第11-13页 |
| 2.1.1 系统级芯片 | 第12页 |
| 2.1.2 红外投影机 | 第12页 |
| 2.1.3 彩色摄像头和红外摄像头 | 第12页 |
| 2.1.4 麦克风阵列 | 第12-13页 |
| 2.2 Kinect 传感器的软件系统 | 第13-15页 |
| 2.2.1 Kinect 的核心 NUI API | 第13-14页 |
| 2.2.2 Kinect Audio DMO | 第14-15页 |
| 2.2.3 Windows Speech SDK | 第15页 |
| 2.3 深度图像的获取技术 | 第15-16页 |
| 2.4 Kinect 获取深度图的原理 | 第16-18页 |
| 2.5 深度图像的校正 | 第18-19页 |
| 2.5.1 深度距离与实际距离的转换 | 第18-19页 |
| 2.5.2 深度图像到空间三维坐标的转换 | 第19页 |
| 2.5.3 深度图像到 RGB 图像的配准 | 第19页 |
| 2.6 Kinect 的机器学习技术 | 第19-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 基于深度图像的骨架提取 | 第22-36页 |
| 3.1 传统的检测方法 | 第22页 |
| 3.2 深度摄像头实现目标检测与分割 | 第22-23页 |
| 3.3 基于最优阈值的方法 | 第23-25页 |
| 3.4 骨架提取 | 第25-26页 |
| 3.5 数学形态学 | 第26-30页 |
| 3.5.1 数学形态学—腐蚀运算 | 第26-27页 |
| 3.5.2 数学形态学—膨胀运算 | 第27-28页 |
| 3.5.3 数学形态学—开运算 | 第28-29页 |
| 3.5.4 数学形态学—闭运算 | 第29-30页 |
| 3.6 Hilditch 算法 | 第30-32页 |
| 3.7 具有深度信息的骨架提取 | 第32-34页 |
| 3.8 关节定位 | 第34-35页 |
| 3.9 本章小结 | 第35-36页 |
| 第四章 骨骼定位实验及分析 | 第36-44页 |
| 4.1 实验平台及流程图 | 第36-37页 |
| 4.2 实验结果 | 第37-40页 |
| 4.3 关节定位误差分析 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| 5.1 论文主要工作 | 第44页 |
| 5.2 论文的创新点 | 第44页 |
| 5.3 展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 研究生期间发表的论文及专利申请情况 | 第50-51页 |
| 致谢 | 第51-52页 |
| 详细摘要 | 第52-56页 |
