| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·E-LEARNING 与标准自然教室（SNC） | 第10-12页 |
| ·人体姿态估计的研究背景和应用前景 | 第12-16页 |
| ·人体姿态估计的研究背景 | 第12-15页 |
| ·人体姿态估计技术的应用前景 | 第15-16页 |
| ·论文的研究内容、意义 | 第16-17页 |
| ·论文的和主要成果 | 第17页 |
| ·论文的组成结构 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 人体姿态估计方法综述 | 第19-25页 |
| ·人体运动分析过程划分 | 第19-20页 |
| ·人像-背景分离方法 | 第20-21页 |
| ·混合高斯模型背景消除 | 第20-21页 |
| ·基于深度信息的背景消除 | 第21页 |
| ·基于人像的人体姿态估计方法 | 第21-24页 |
| ·无模型方法 | 第22页 |
| ·间接模型方法 | 第22页 |
| ·直接模型方法 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于双目视觉的人体姿态估计方法 | 第25-43页 |
| ·双目视觉基础 | 第25-30页 |
| ·对极几何 | 第25-27页 |
| ·立体定标 | 第27-29页 |
| ·立体校正 | 第29-30页 |
| ·视差与深度计算 | 第30-34页 |
| ·双目视差 | 第30-31页 |
| ·三角测量 | 第31-32页 |
| ·绝对误差累计算法以及利用中值滤波和表面约束的改进 | 第32-34页 |
| ·结合深度信息以及ACTIVE CONTOUR 的人像轮廓提取方法 | 第34-36页 |
| ·基于轮廓匹配的人体姿态估计 | 第36-38页 |
| ·基于Hu 不变矩的人体轮廓匹配 | 第37-38页 |
| ·基于PICTORIAL STRUCTURE 模型的人体姿态估计 | 第38-42页 |
| ·Pictorial Structure 模型描述 | 第38-39页 |
| ·人体姿态估计问题的PS 构造 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 实验设计与结果分析 | 第43-58页 |
| ·视差计算算法的实验 | 第43-47页 |
| ·实验数据 | 第43-44页 |
| ·实验结果 | 第44-47页 |
| ·对人像提取算法的实验 | 第47-51页 |
| ·实验数据 | 第47-48页 |
| ·普通环境下人像轮廓提取算法测试 | 第48-51页 |
| ·基于轮廓匹配的姿态估计实验 | 第51-54页 |
| ·实验数据 | 第51-52页 |
| ·Hu 矩轮廓特征计算 | 第52-53页 |
| ·基于轮廓匹配的姿态估计实验及其结果 | 第53-54页 |
| ·基于PICTORIAL STRUCTURE 模型的人体姿态估计实验 | 第54-57页 |
| ·实验数据 | 第54-55页 |
| ·人体模型学习 | 第55-56页 |
| ·人体姿态估计结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 人体姿态估计原型系统设计与实现 | 第58-66页 |
| ·系统软、硬件环境 | 第58-59页 |
| ·系统设计框架 | 第59-62页 |
| ·系统的功能设计 | 第59-60页 |
| ·程序流程框图与主要逻辑架构 | 第60-62页 |
| ·系统实现 | 第62-63页 |
| ·基础类型库StereoMFC 的实现 | 第62-63页 |
| ·从FlyCapture 到OpenCV 的转换 | 第63页 |
| ·系统运行结果 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·主要结论 | 第66-67页 |
| ·研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 程序源代码（附录1） | 第71-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间已发表的论文、申请的专利和参与项目 | 第74-77页 |
| 附录 | 第77页 |
