| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·运动捕获技术研究现状 | 第9-11页 |
| ·三维人体行为识别技术研究现状 | 第11页 |
| ·多体感设备的研究现状 | 第11-12页 |
| ·课题来源 | 第12页 |
| ·本文主要研究内容 | 第12页 |
| ·本文组织安排 | 第12-14页 |
| 2 多体感设备的标定 | 第14-22页 |
| ·Kinect摄像头标定的意义 | 第14页 |
| ·标定基本原理 | 第14-18页 |
| ·标定系统的坐标系定义 | 第14-16页 |
| ·基于针孔模型的摄像机标定原理 | 第16-18页 |
| ·基于双Kinect的成像模型 | 第18-19页 |
| ·基于双Kinect的标定实验 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 人体统一骨架模型建模 | 第22-32页 |
| ·Kinect骨骼关节点运动数据获取原理 | 第22-23页 |
| ·人体运动描述 | 第23-25页 |
| ·基于Kinect骨骼数据的层次骨架模型 | 第23-24页 |
| ·关节点旋转变化原理 | 第24-25页 |
| ·运动数据的转换 | 第25-29页 |
| ·关节点空间取向分析 | 第26-27页 |
| ·人体关节点的旋转矩阵 | 第27-28页 |
| ·人体关节点欧拉角计算 | 第28-29页 |
| ·人体骨架模型的建模 | 第29-31页 |
| ·统一的全局骨架模型建立 | 第29-30页 |
| ·骨架模型的生理与运动约束 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 4 基于多体感设备的人体运动数据融合 | 第32-50页 |
| ·基于Kinect可信度参数的运动数据滤波 | 第32-33页 |
| ·多体感设备人体运动数据融合 | 第33-38页 |
| ·多源数据融合概述 | 第34页 |
| ·基于关节点变权重计算的数据融合算法 | 第34-38页 |
| ·基于卡尔曼滤波器的关节点三维空间坐标位置预测 | 第38-42页 |
| ·目标运动模型的建立 | 第38-39页 |
| ·一般卡尔曼滤波器预测原理 | 第39-40页 |
| ·基于改进的卡尔曼滤波器预测关节点三维空间坐标位置 | 第40-42页 |
| ·基于多体感设备的人体运动数据处理步骤 | 第42-43页 |
| ·实验结果与分析 | 第43-49页 |
| ·本章小结 | 第49-50页 |
| 5 基于多体感设备的三维人体行为识别 | 第50-64页 |
| ·基于主成分分析方法的人体运动数据特征提取 | 第50-54页 |
| ·主成分分析方法的基本定义和性质 | 第50-51页 |
| ·从标准化变量得到主成分 | 第51-52页 |
| ·样本主成分获取方法 | 第52-53页 |
| ·人体运动数据特征提取算法基本步骤 | 第53-54页 |
| ·基于支持向量机的分类算法 | 第54-58页 |
| ·SVM的核函数 | 第55-56页 |
| ·SVM多类分类器算法 | 第56-58页 |
| ·基于人体运动数据库的行为识别 | 第58-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |