| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-21页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 基于骨骼数据的动作识别关键技术和研究现状 | 第12-20页 |
| 1.3 论文研究内容和组织结构 | 第20-21页 |
| 2 骨骼数据的获取和特征提取 | 第21-29页 |
| 2.1 骨骼数据的获取 | 第21-25页 |
| 2.1.1 Kinect结构 | 第21-22页 |
| 2.1.2 深度数据的获取 | 第22页 |
| 2.1.3 骨骼数据的获取及常用数据库 | 第22-25页 |
| 2.2 特征提取 | 第25-29页 |
| 2.2.1 成对节点之间的相对位置特征 | 第25-26页 |
| 2.2.2 提取角度特征 | 第26页 |
| 2.2.3 PCA降维 | 第26-27页 |
| 2.2.4 两特征组合后形成新特征 | 第27-29页 |
| 3 基于两层AP的隐马尔科夫模型动作识别方法 | 第29-46页 |
| 3.1 隐马尔科夫模型及其三个基本问题 | 第29-33页 |
| 3.1.1 隐马尔科夫模型 | 第29-30页 |
| 3.1.2 隐马尔科夫模型的三个基本问题 | 第30-33页 |
| 3.2 基于两层AP的姿势选择算法 | 第33-40页 |
| 3.2.1 基于传统聚类的参数初始化算法 | 第33-37页 |
| 3.2.2 基于两层AP的参数初始化算法 | 第37-40页 |
| 3.3 基于姿势选择的HMM | 第40-42页 |
| 3.3.1 基于姿势选择的HMM参数初始化 | 第40-41页 |
| 3.3.2 动作识别中的参数训练和测试 | 第41-42页 |
| 3.4 测试与分析 | 第42-46页 |
| 3.4.1 在UTKinect数据库中识别结果 | 第42-44页 |
| 3.4.2 在MSR Action3D数据库中识别结果 | 第44-46页 |
| 4 动作识别软件平台的设计与实现 | 第46-59页 |
| 4.1 动作识别开发环境及其配置 | 第46-50页 |
| 4.1.1 利用MATLAB生成混合编译文件 | 第46-49页 |
| 4.1.2 配置Visual Studio 2012 | 第49-50页 |
| 4.2 动作识别系统核心函数 | 第50-53页 |
| 4.2.1 与进程有关的函数 | 第50-51页 |
| 4.2.2 与Kinect SDK有关的函数 | 第51-52页 |
| 4.2.3 Visual Studio中混合编译函数 | 第52-53页 |
| 4.3 动作识别系统平台组成 | 第53-57页 |
| 4.3.1 动作识别系统界面 | 第53-56页 |
| 4.3.2 动作识别系统流程 | 第56-57页 |
| 4.4 系统识别结果 | 第57-59页 |
| 5 总结与展望 | 第59-60页 |
| 5.1 论文完成的工作 | 第59页 |
| 5.2 后续工作及展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第63-64页 |
| 致谢 | 第64页 |
