应用Kinect的人体行为识别方法研究与系统设计
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 行为表示方法研究 | 第12-13页 |
| 1.2.2 行为识别算法研究 | 第13-14页 |
| 1.2.3 基于Kinect的行为识别研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第二章 Kinect平台与数据分析 | 第17-31页 |
| 2.1 Kinect概述 | 第17-20页 |
| 2.1.1 Kinect硬件组成 | 第17-18页 |
| 2.1.2 OpenNI框架和NITE组件 | 第18-19页 |
| 2.1.3 Kinect数据采集 | 第19-20页 |
| 2.2 Kinect深度数据分析 | 第20-24页 |
| 2.2.1 Kinect深度信息获取 | 第20-22页 |
| 2.2.2 深度信息感知能力实验结果与分析 | 第22-24页 |
| 2.3 Kinect人体关节点数据分析 | 第24-28页 |
| 2.3.1 Kinect人体关节点识别 | 第24-25页 |
| 2.3.2 人体关节点识别能力实验结果与分析 | 第25-28页 |
| 2.4 实验条件的确定 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 Kinect平台下的行为表示方法研究 | 第31-47页 |
| 3.1 行为表示特征量提取的基本思路 | 第31-32页 |
| 3.2 人体三维关节点信息的规则化处理 | 第32-39页 |
| 3.2.1 基于人体结构的向量构造 | 第32-35页 |
| 3.2.2 向量间的角度信息选取 | 第35-37页 |
| 3.2.3 向量模的比值信息选取 | 第37-38页 |
| 3.2.4 对比实验结果与分析 | 第38-39页 |
| 3.3 Kinect平台下的行为表示方法 | 第39-41页 |
| 3.3.1 人体姿态表示方法 | 第39-40页 |
| 3.3.2 基于姿态序列的行为表示 | 第40-41页 |
| 3.4 基于姿态比较的行为搜索方法设计 | 第41-46页 |
| 3.4.1 行为搜索方法设计 | 第41-43页 |
| 3.4.2 实验结果与分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 用于人体行为识别的相关算法研究 | 第47-63页 |
| 4.1 用于人体行为识别的BP神经网络设计 | 第47-56页 |
| 4.1.1 BP神经网络基本原理 | 第47-52页 |
| 4.1.2 BP神经网络设计实现 | 第52-56页 |
| 4.2 用于人体行为识别的DTW算法设计 | 第56-59页 |
| 4.2.1 DTW算法基本原理 | 第56-58页 |
| 4.2.2 DTW算法设计实现 | 第58-59页 |
| 4.3 综合关节点、深度和视觉信息的行为识别研究 | 第59-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 实验系统设计与实验结果分析 | 第63-79页 |
| 5.1 实验系统设计 | 第63-67页 |
| 5.1.1 实验系统总体架构 | 第63-64页 |
| 5.1.2 实验系统功能模块设计 | 第64-67页 |
| 5.2 基于BP神经网络的行为识别实验 | 第67-69页 |
| 5.2.1 BP神经网络的训练 | 第67-68页 |
| 5.2.2 实验结果与分析 | 第68-69页 |
| 5.3 基于DTW算法的行为识别实验 | 第69-75页 |
| 5.3.1 离线数据仿真实验结果与分析 | 第69-72页 |
| 5.3.2 实时行为识别实验结果与分析 | 第72-75页 |
| 5.4 其它实验与分析 | 第75-77页 |
| 5.4.1 简单姿态识别实验结果与分析 | 第75-76页 |
| 5.4.2 综合多信息的行为识别实验结果与分析 | 第76-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 总结 | 第79-80页 |
| 6.2 展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 硕士期间发表的论文和科研成果 | 第89页 |
| 硕士期间参加的科研工作 | 第89-90页 |
| 附表 | 第90页 |
