| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 课题研究的目的和意义 | 第9-10页 |
| 1.2.1 研究目的 | 第9页 |
| 1.2.2 研究意义 | 第9-10页 |
| 1.3 国内外相似课题研究现状及问题 | 第10-12页 |
| 1.3.1 研究现状 | 第10-11页 |
| 1.3.2 存在的问题 | 第11-12页 |
| 1.4 本文的主要工作 | 第12页 |
| 1.5 论文结构 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 2 人体姿态识别方法综述 | 第14-22页 |
| 2.1 人体姿态行为分析 | 第14-16页 |
| 2.1.1 姿态序列的选取与映射关系 | 第15-16页 |
| 2.2 识别方法上取得的突破 | 第16-18页 |
| 2.2.1 基于局部窗口匹配的方法 | 第16-17页 |
| 2.2.2 基于语义结构的方法 | 第17-18页 |
| 2.2.3 基于深度学习的方法 | 第18页 |
| 2.3 传统的识别方法在应用中存在的缺陷 | 第18-19页 |
| 2.4 人体姿态识别方法的比较 | 第19-20页 |
| 2.5 最新相关国际赛 | 第20页 |
| 2.6 本章小结 | 第20-22页 |
| 3 3D人体骨架关节点的提取 | 第22-31页 |
| 3.1 相关背景知识 | 第22页 |
| 3.2 光学式动作捕捉设备系统分析 | 第22-25页 |
| 3.2.1 数据穿戴设备 | 第23页 |
| 3.2.2 架设摄像机 | 第23-24页 |
| 3.2.3 运动数据的分析与处理 | 第24-25页 |
| 3.3 关节点的特征提取及存在的方法 | 第25-29页 |
| 3.3.1 特征提取 | 第25-26页 |
| 3.3.2 3D骨架关节点模型与 2D骨架关节点模型 | 第26页 |
| 3.3.3 特征提取方法 | 第26-29页 |
| 3.4 实验结果与分析 | 第29-31页 |
| 3.5 本章小结 | 第31页 |
| 4 基于动态路径优化的人体姿态识别 | 第31-40页 |
| 4.1 相关工作 | 第31页 |
| 4.2 基于路径优化的人体姿态识别 | 第31-33页 |
| 4.2.1 数据的采集 | 第32-33页 |
| 4.3 基于路径优化的姿态识别 | 第33-36页 |
| 4.3.1 DTW简介 | 第33页 |
| 4.3.2 动态优化路径的建立 | 第33-36页 |
| 4.4 实验结果与分析 | 第36-39页 |
| 4.5 本章总结 | 第39-40页 |
| 5 结论与展望 | 第40-42页 |
| 5.1 论文工作总结 | 第40页 |
| 5.2 创新点 | 第40-41页 |
| 5.3 今后工作展望 | 第41页 |
| 5.4 结束语 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 攻读硕士学位期间发表学术论文情况 | 第46-47页 |
| 致谢 | 第47页 |