| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| CONTENTS | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 人机交互研究现状 | 第12-13页 |
| 1.2.2 传统康复训练方法介绍 | 第13-15页 |
| 1.3 本文主要工作 | 第15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第二章 Kinect开发平台 | 第17-27页 |
| 2.1 Kinect结构 | 第17-18页 |
| 2.2 Kinect系统架构 | 第18-19页 |
| 2.3 Kinect工作原理 | 第19-22页 |
| 2.3.1 Kinect成像原理 | 第19-20页 |
| 2.3.2 Kinect骨架获取原理 | 第20-22页 |
| 2.4 Kinect SDK介绍 | 第22页 |
| 2.5 Unity3D介绍 | 第22-25页 |
| 2.5.1 物理特性 | 第23-24页 |
| 2.5.2 脚本 | 第24-25页 |
| 2.6 OpenNI介绍 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 康复训练系统研究 | 第27-32页 |
| 3.1 系统概述 | 第27-28页 |
| 3.2 系统逻辑框架 | 第28页 |
| 3.3 系统数据流 | 第28-29页 |
| 3.4 方案设计 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 人体姿势识别和匹配方法 | 第32-46页 |
| 4.1 基于均值Hausdorff距离的姿势识别方法 | 第32-33页 |
| 4.2 基于隐马尔可夫的姿势识别方法 | 第33-35页 |
| 4.2.1 马尔可夫模型 | 第33页 |
| 4.2.2 隐马尔可夫模型 | 第33-35页 |
| 4.2.3 利用HMM判定人体姿势 | 第35页 |
| 4.3 运动数据流相似性评估 | 第35-38页 |
| 4.3.1 动态时间规整 | 第35-37页 |
| 4.3.2 随机抽样一致性 | 第37页 |
| 4.3.3 DTW-RANSAC运动流匹配 | 第37-38页 |
| 4.4 人体姿势优化 | 第38-45页 |
| 4.4.1 可靠性评估 | 第38-40页 |
| 4.4.2 可靠率 | 第40页 |
| 4.4.3 运动数据库 | 第40页 |
| 4.4.4 PCA法构建姿势空间 | 第40-41页 |
| 4.4.5 骨架合成 | 第41-42页 |
| 4.4.6 实验与结果分析 | 第42-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 康复训练系统设计 | 第46-55页 |
| 5.1 系统实验平台 | 第46页 |
| 5.2 系统各角色设计 | 第46-50页 |
| 5.2.1 康复病患设计 | 第46-47页 |
| 5.2.2 教练人物设计 | 第47-48页 |
| 5.2.3 场景设计 | 第48-50页 |
| 5.2.4 评估系统设计 | 第50页 |
| 5.3 应用实例 | 第50-53页 |
| 5.3.1 实验内容 | 第50-51页 |
| 5.3.2 实验过程 | 第51-53页 |
| 5.4 本章小结 | 第53-55页 |
| 总结和展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间发表的论文 | 第63-67页 |
| 致谢 | 第67页 |