| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 课题研究现状分析 | 第9-12页 |
| 1.2.1 课题研究现状 | 第9-11页 |
| 1.2.2 分析与总结 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第2章 基于深度传感器的骨骼跟踪介绍 | 第14-20页 |
| 2.1 引言 | 第14页 |
| 2.2 深度传感器简介 | 第14-16页 |
| 2.2.1 深度传感器硬件结构 | 第14-15页 |
| 2.2.2 深度传感器软件功能介绍 | 第15-16页 |
| 2.3 基于骨骼跟踪功能的骨架模型获取 | 第16-19页 |
| 2.3.1 骨骼跟踪功能简介 | 第16-18页 |
| 2.3.2 骨骼跟踪数据获取方式及跟踪结果 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于骨骼定位的人体运动特征提取 | 第20-29页 |
| 3.1 引言 | 第20页 |
| 3.2 运动特征提取思路简介 | 第20-21页 |
| 3.3 特征提取过程 | 第21-25页 |
| 3.3.1 特征向量构造 | 第21-22页 |
| 3.3.2 特征选择 | 第22-24页 |
| 3.3.3 运动特征模型建立 | 第24-25页 |
| 3.4 特征有效性验证 | 第25-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 应用于人体动作识别的SVM算法研究 | 第29-43页 |
| 4.1 引言 | 第29页 |
| 4.2 SVM算法基本原理 | 第29-36页 |
| 4.2.1 线性支持向量机 | 第29-33页 |
| 4.2.2 非线性支持向量机 | 第33-34页 |
| 4.2.3 噪声点处理 | 第34-35页 |
| 4.2.4 多分类SVM算法 | 第35-36页 |
| 4.3 SVM算法设计及仿真 | 第36-42页 |
| 4.3.1 算法设计思路 | 第36页 |
| 4.3.2 核函数及惩罚因子选择 | 第36-38页 |
| 4.3.3 参数优化 | 第38-40页 |
| 4.3.4 算法仿真 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 系统设计与算法测试 | 第43-60页 |
| 5.1 引言 | 第43页 |
| 5.2 特征采集系统设计及数据获取 | 第43-47页 |
| 5.2.1 系统整体设计 | 第43-46页 |
| 5.2.2 基于实验系统的数据获取 | 第46-47页 |
| 5.3 特征数据预处理 | 第47-51页 |
| 5.3.1 特征数据归一化处理 | 第47-49页 |
| 5.3.2 降维——主成分分析 | 第49-51页 |
| 5.4 基于RBF核函数的SVM训练与测试 | 第51-56页 |
| 5.4.1 参数设置 | 第51-54页 |
| 5.4.2 训练与测试结果 | 第54-56页 |
| 5.5 结果对比与分析 | 第56-59页 |
| 5.5.1 参数优化前后分类结果对比 | 第56-57页 |
| 5.5.2 人相对于Kinect角度对分类结果影响 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |