基于骨骼模型的人体行为识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-18页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 应用中的挑战 | 第15-16页 |
| 1.3 研究内容和章节安排 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 章节安排 | 第16-18页 |
| 第二章 人体行为识别算法综述 | 第18-32页 |
| 2.1 特征描述算法 | 第18-26页 |
| 2.1.1 二维的特征描述 | 第19-21页 |
| 2.1.2 三维的特征描述 | 第21-26页 |
| 2.2 人体行为的识别算法 | 第26-30页 |
| 2.2.1 基于模板的行为识别算法 | 第26-29页 |
| 2.2.2 基于具体实例分析的识别算法 | 第29-30页 |
| 2.3 本章小结 | 第30-32页 |
| 第三章 骨骼关节点的预处理与数据集构建 | 第32-44页 |
| 3.1 人体骨骼数据获得方法 | 第32-37页 |
| 3.1.1 Kinect传感器 | 第32-33页 |
| 3.1.2 人体骨骼的提取技术 | 第33-35页 |
| 3.1.3 基于NITE的人体骨骼提取方法 | 第35-37页 |
| 3.2 基于人体骨骼数据的均值滤波处理 | 第37-38页 |
| 3.3 基于人体骨骼数据的归一化 | 第38-40页 |
| 3.3.1 NITE中基于骨骼模型的世界坐标系 | 第38-39页 |
| 3.3.2 构建基于单帧骨骼模型的本地坐标系 | 第39-40页 |
| 3.4 室内环境下的行为数据集 | 第40-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 特征计算与识别模型 | 第44-54页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于向量和夹角的骨骼特征计算 | 第45-50页 |
| 4.2.1 静态姿态的特征计算 | 第46-49页 |
| 4.2.2 动态运动的特征计算 | 第49-50页 |
| 4.3 识别模型 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 实验与分析 | 第54-68页 |
| 5.1 评估人体行为识别性能的基本指标 | 第54-55页 |
| 5.2 公共标准数据集 | 第55-56页 |
| 5.3 基于标准数据集的实验与分析 | 第56-59页 |
| 5.4 基于新构建的行为数据集实验与分析 | 第59-61页 |
| 5.5 不同实验环境下的实验与分析 | 第61-67页 |
| 5.5.1 强光照条件下的实验与分析 | 第61-63页 |
| 5.5.2 高斯白噪声条件下实验与分析 | 第63-64页 |
| 5.5.3 不同视角下的实验与分析 | 第64-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |
