| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题背景及研究的目的和意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 国内外文献综述的简析 | 第14-15页 |
| 1.3 本文的主要内容 | 第15-17页 |
| 第2章 基于Kinect的坐姿检测 | 第17-29页 |
| 2.1 引言 | 第17页 |
| 2.2 Kinect概述与开发环境选择 | 第17-19页 |
| 2.2.1 Kinect概述 | 第17-18页 |
| 2.2.2 Kinect开发环境概述 | 第18-19页 |
| 2.3 Kinect平台搭建与数据分析 | 第19-22页 |
| 2.4 坐姿检测与统计 | 第22-28页 |
| 2.4.1 坐标变换以及颈椎与腰椎倾角的求取 | 第22-25页 |
| 2.4.2 坐姿检测系统的实现 | 第25-26页 |
| 2.4.3 错误坐姿统计与显示 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于HMM的办公室常见动作的识别 | 第29-49页 |
| 3.1 引言 | 第29-30页 |
| 3.2 HMM的原理 | 第30-37页 |
| 3.2.1 估计 | 第32-33页 |
| 3.2.2 解码 | 第33-35页 |
| 3.2.3 训练 | 第35-37页 |
| 3.3 办公室常见动作的建模 | 第37-43页 |
| 3.3.1 办公室常见动作数据获取 | 第37-39页 |
| 3.3.2 K-means算法数据聚类 | 第39-41页 |
| 3.3.3 HMM初始参数确定 | 第41-43页 |
| 3.4 参数的训练 | 第43-45页 |
| 3.5 动作的分类 | 第45-46页 |
| 3.6 基于HMM动作识别系统的实验结果 | 第46-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于动态时间规整法（DTW）的动作识别 | 第49-67页 |
| 4.1 引言 | 第49页 |
| 4.2 基于标准模板匹配的动作识别 | 第49-52页 |
| 4.3 基于经典动态时间规整法（DTW）的动作识别 | 第52-58页 |
| 4.3.1 DTW的原理 | 第52-55页 |
| 4.3.2 基于DTW动作识别系统的实现 | 第55-58页 |
| 4.4 基于改进DTW的动作识别 | 第58-62页 |
| 4.4.1 基于DTW动作识别系统的改进 | 第58-59页 |
| 4.4.2 基于改进DTW动作识别系统的实现 | 第59-62页 |
| 4.5 基于DTW和HMM组合的动作识别 | 第62-65页 |
| 4.6 动作识别算法选择 | 第65-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 基于Kinect的面部动作及表情识别 | 第67-77页 |
| 5.1 引言 | 第67页 |
| 5.2 面部表情与动作识别方法和面部跟踪工具包概述 | 第67-70页 |
| 5.2.1 面部表情与动作识别方法概述 | 第67-68页 |
| 5.2.2 Kinect面部跟踪工具包概述 | 第68-70页 |
| 5.3 面部表情与动作识别 | 第70-73页 |
| 5.3.1 面部器官的提取 | 第70-71页 |
| 5.3.2 面部运动单元的提取 | 第71-72页 |
| 5.3.3 眨眼动作识别 | 第72页 |
| 5.3.4 面部动作与表情的检测与识别 | 第72-73页 |
| 5.4 面部动作与表情识别系统的实现 | 第73-76页 |
| 5.5 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-86页 |
| 致谢 | 第86页 |