基于Kinect骨架信息的人体动作识别
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-16页 |
| ·人体检测的研究现状 | 第13页 |
| ·人体跟踪的研究现状 | 第13-15页 |
| ·人体动作识别的研究现状 | 第15-16页 |
| ·论文的研究内容及创新点 | 第16-18页 |
| ·论文研究内容 | 第16-18页 |
| ·主要创新点 | 第18页 |
| ·论文的结构安排 | 第18-20页 |
| 第二章 基于Kinect的深度图像的获取 | 第20-26页 |
| ·引言 | 第20页 |
| ·Kinect简介 | 第20-22页 |
| ·Kinect硬件介绍 | 第20-21页 |
| ·Kinect SDK介绍 | 第21-22页 |
| ·深度图像的获取 | 第22-23页 |
| ·深度图像的表示 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于骨架信息的运动特征提取 | 第26-36页 |
| ·引言 | 第26页 |
| ·人体运动特征提取方法 | 第26-29页 |
| ·基于3D骨架的运动特征提取 | 第29-35页 |
| ·静态姿态的特征提取 | 第30-33页 |
| ·动态运动的特征提取 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第四章 基于DTW的识别分类器设计 | 第36-49页 |
| ·引言 | 第36页 |
| ·主流的识别算法 | 第36-39页 |
| ·模板匹配的方法 | 第36-37页 |
| ·基于语法的方法 | 第37页 |
| ·概率统计的方法 | 第37-39页 |
| ·基于DTW的识别算法 | 第39-48页 |
| ·DTW算法的原理 | 第40-42页 |
| ·传统DTW的缺点 | 第42-44页 |
| ·改进的DTW算法 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第五章 人体动作识别的实验与分析 | 第49-58页 |
| ·引言 | 第49页 |
| ·基于改进DTW的动作识别 | 第49-53页 |
| ·Matlab并行计算 | 第53-55页 |
| ·结合并行计算的人体动作识别 | 第55-57页 |
| ·小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间参加的项目和发表的论文 | 第68页 |
| 1 攻读硕士期间参加的项目 | 第68页 |
| 2 攻读硕士期间发表的论文 | 第68页 |
