| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 深度图像的特点 | 第11-12页 |
| 1.3 人体部位及动作识别的研究现状 | 第12-14页 |
| 1.3.1 人体部位识别的现状 | 第12-13页 |
| 1.3.2 人体动作识别的现状 | 第13-14页 |
| 1.4 研究的主要研究内容 | 第14页 |
| 1.5 本文的组织结构 | 第14-16页 |
| 第二章 训练样本库获取 | 第16-25页 |
| 2.1 真实图像库 | 第16-21页 |
| 2.1.1 实验平台 | 第16-17页 |
| 2.1.2 Kinect图像的获取 | 第17-18页 |
| 2.1.3 深度图像去背景 | 第18-20页 |
| 2.1.4 深度图像真值标记 | 第20-21页 |
| 2.2 人工合成图像库 | 第21-24页 |
| 2.2.1 实验平台 | 第21页 |
| 2.2.2 3D模型制作 | 第21-22页 |
| 2.2.3 Motionbuilder动作样本库制作 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 人体部位识别 | 第25-42页 |
| 3.1 深度图像特征 | 第25-27页 |
| 3.2 身体部位分类 | 第27-34页 |
| 3.2.1 决策树简介 | 第27-29页 |
| 3.2.2 决策树在身体部位分类的应用 | 第29-32页 |
| 3.2.3 随机森林 | 第32-33页 |
| 3.2.4 分类结果 | 第33-34页 |
| 3.3 关节点形成 | 第34-41页 |
| 3.3.1 meanshift简介 | 第35-37页 |
| 3.3.2 聚类关节点中meanshift的应用: | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 部位识别实验分析 | 第42-53页 |
| 4.1 实验简介 | 第42页 |
| 4.2 实验参数定量分析 | 第42-50页 |
| 4.2.1 决策树深度的分析 | 第42-44页 |
| 4.2.2 随机森林决策树个数的影响 | 第44-46页 |
| 4.2.3 特征偏移向量的影响 | 第46-49页 |
| 4.2.3 阈值的影响 | 第49-50页 |
| 4.3 实验结果总体分析 | 第50-51页 |
| 4.4 实验方法的优缺点 | 第51-52页 |
| 4.4.1 优点 | 第51-52页 |
| 4.4.2 缺点 | 第52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 人体动作识别 | 第53-62页 |
| 5.1 简介 | 第53页 |
| 5.2 人体单一动作识别 | 第53-58页 |
| 5.2.1 特征提取 | 第53-54页 |
| 5.2.2 样本采集 | 第54-55页 |
| 5.2.3 部位真值标记 | 第55-56页 |
| 5.2.4 动作识别 | 第56-57页 |
| 5.2.5 实验结果 | 第57-58页 |
| 5.3 人体连续动作识别 | 第58-60页 |
| 5.3.1 样本采集 | 第59-60页 |
| 5.3.2 动作识别 | 第60页 |
| 5.3.3 实验结果和实验意义 | 第60页 |
| 5.4 本章小结 | 第60-62页 |
| 总结与展望 | 第62-64页 |
| 总结 | 第62页 |
| 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间取得的研究成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附件 | 第69页 |