基于Kinect的人体动作识别系统与实现
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 特征提取 | 第14页 |
| 1.2.2 动作识别 | 第14-16页 |
| 1.3 人体动作识别面临的困难与挑战 | 第16-17页 |
| 1.4 论文研究内容与结构安排 | 第17-18页 |
| 第二章 Kinect硬件平台介绍 | 第18-24页 |
| 2.1 Kinect结构介绍 | 第18-21页 |
| 2.1.1 Kinect的硬件组成 | 第18-20页 |
| 2.1.2 Kinect SDK简介 | 第20-21页 |
| 2.2 Kinect深度图像成像原理 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 Kinect人体动作识别系统分析 | 第24-36页 |
| 3.1. 系统功能分析 | 第25-35页 |
| 3.1.1 数据采集模块 | 第26-28页 |
| 3.1.2 特征提取模块 | 第28-30页 |
| 3.1.3 动作识别模块 | 第30-35页 |
| 3.2 本章小结 | 第35-36页 |
| 第四章 系统设计与实现 | 第36-56页 |
| 4.1 数据采集模块 | 第36-42页 |
| 4.1.1 NUI API初始化 | 第36-37页 |
| 4.1.2 创建信号事件句柄 | 第37-38页 |
| 4.1.3 触发数据流跟踪事件 | 第38页 |
| 4.1.4 数据流读取 | 第38-42页 |
| 4.2 特征提取模块 | 第42-51页 |
| 4.2.1 关节点坐标提取 | 第42-44页 |
| 4.2.2 人体结构向量提取 | 第44-46页 |
| 4.2.3 向量间角度提取 | 第46-47页 |
| 4.2.4 向量模比值提取 | 第47-48页 |
| 4.2.5 动作表示 | 第48页 |
| 4.2.6 人手检测 | 第48-51页 |
| 4.3 动作识别模块 | 第51-54页 |
| 4.3.1 BP神经网络的设计 | 第51-54页 |
| 4.3.2 动作识别 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 系统运行结果 | 第56-66页 |
| 5.1 数据采集模块 | 第56-57页 |
| 5.1.1 彩色图像采集模块 | 第56页 |
| 5.1.2 深度图像采集模块 | 第56-57页 |
| 5.1.3 骨架图像采集模块 | 第57页 |
| 5.2 特征提取模块 | 第57-61页 |
| 5.2.1 关节点坐标提取模块 | 第57-58页 |
| 5.2.2 人体结构向量提取模块 | 第58页 |
| 5.2.3 角度信息提取模块 | 第58-59页 |
| 5.2.4 模比值信息提取模块 | 第59页 |
| 5.2.5 人手检测模块 | 第59-61页 |
| 5.3 动作识别模块 | 第61-64页 |
| 5.3.1 BP神经网络训练 | 第61-63页 |
| 5.3.2 识别结果输出 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 附录 | 第74页 |
