| 摘要 | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 商用运动捕捉系统 | 第9页 |
| 1.2.2 基于机器视觉的人体运动捕捉 | 第9-13页 |
| 1.2.3 基于机器视觉的人体运动捕捉技术难点问题 | 第13-14页 |
| 1.3 本文内容和结构 | 第14-16页 |
| 1.3.1 论文主要内容 | 第14-15页 |
| 1.3.2 论文的结构安排 | 第15-16页 |
| 第二章 多视角人体姿态估计算法 | 第16-36页 |
| 2.1 人体姿态估计相关理论 | 第16-18页 |
| 2.1.1 基于机器视觉的人体姿态估计算法 | 第16-17页 |
| 2.1.2 基于模型的人体姿态估计算法步骤 | 第17-18页 |
| 2.2 多视角人体姿态估计算法框架 | 第18-21页 |
| 2.2.1 算法思路 | 第18-19页 |
| 2.2.2 算法流程 | 第19-21页 |
| 2.3 多视角下三维图结构模型 | 第21-27页 |
| 2.3.1 人体骨架结构 | 第21-22页 |
| 2.3.2 三维图结构模型表示 | 第22-24页 |
| 2.3.3 三维图结构模型的姿态推导 | 第24-27页 |
| 2.4 实验与分析 | 第27-34页 |
| 2.4.1 数据集 | 第27-28页 |
| 2.4.2 本文框架的有效性验证 | 第28-33页 |
| 2.4.3 与其他人体姿态估计方法结果的对比 | 第33-34页 |
| 2.5 本章总结 | 第34-36页 |
| 第三章 多视角KINECT骨架融合算法 | 第36-58页 |
| 3.1 KINECT设备介绍及相关骨架生成算法 | 第36-41页 |
| 3.1.1 Kinect设备介绍与能力分析 | 第36-38页 |
| 3.1.2 Kinect骨架提取原理及其优化方法 | 第38-41页 |
| 3.2 多KINECT网络配准 | 第41-45页 |
| 3.2.1 骨架关节点配准 | 第41-44页 |
| 3.2.2 点云优化配准 | 第44-45页 |
| 3.3 多视角KINECT骨架融合算法 | 第45-50页 |
| 3.3.1 骨骼关节点平滑算法 | 第45-46页 |
| 3.3.2 多视角骨架融合模型推导 | 第46-50页 |
| 3.4 实验与分析 | 第50-57页 |
| 3.4.1 实验环境搭建 | 第50-51页 |
| 3.4.2 实验结果与分析 | 第51-57页 |
| 3.5 本章总结 | 第57-58页 |
| 第四章 总结与展望 | 第58-60页 |
| 4.1 总结 | 第58页 |
| 4.2 展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附件 | 第67页 |