| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文组织结构及创新 | 第13-15页 |
| 第二章 利用kinect摄取深度及彩色图像 | 第15-19页 |
| 2.1 kinect传感器 | 第15-16页 |
| 2.1.1 kinect硬件 | 第15-16页 |
| 2.1.2 kinectSDK | 第16页 |
| 2.2 深度图像原理及数据分析 | 第16-18页 |
| 2.3 彩色图像数据 | 第18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 基于深度图像的人体骨架线角点提取及分类 | 第19-32页 |
| 3.1 引言 | 第19页 |
| 3.2 深度图像预处理 | 第19-22页 |
| 3.2.1 深度图像的中值滤波 | 第19-20页 |
| 3.2.2 深度图像的膨胀腐蚀处理 | 第20-22页 |
| 3.2.3 深度图像二值化 | 第22页 |
| 3.3 基于细化算法获取人体骨架线 | 第22-25页 |
| 3.3.1 细化算法综合分析 | 第22-24页 |
| 3.3.2 基于Zhang-Suen细化算法获取人体骨架线 | 第24-25页 |
| 3.4 人体骨架线的角点提取及分类 | 第25-31页 |
| 3.4.1 Moravec角点检测算法 | 第26页 |
| 3.4.2 Harris角点检测算法 | 第26-29页 |
| 3.4.3 Shi-Tomasi角点检测算法 | 第29-30页 |
| 3.4.4 基于Shi-Tomasi算法提取角点并分类 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于彩色图像定位人体头节点 | 第32-50页 |
| 4.1 引言 | 第32页 |
| 4.2 坐标对齐及部分背景擦除 | 第32-34页 |
| 4.3 meanshift运动目标跟踪算法 | 第34-44页 |
| 4.3.1 meanshift算法的产生和发展 | 第34页 |
| 4.3.2 概率密度估计 | 第34-35页 |
| 4.3.3 meanshift算法原理 | 第35-40页 |
| 4.3.4 meanshift算法在运动目标跟踪中的应用 | 第40-43页 |
| 4.3.5 meanshift算法优缺点分析 | 第43-44页 |
| 4.4 camshift运动目标跟踪算法 | 第44-48页 |
| 4.4.1 camshift算法的原理 | 第44-45页 |
| 4.4.2 camshift算法在运动目标跟踪中的应用 | 第45-47页 |
| 4.4.3 基于camshift算法定位头节点 | 第47-48页 |
| 4.5 本章小结 | 第48-50页 |
| 第五章 结合人体尺寸比例关系定位人体关节点 | 第50-56页 |
| 5.1 引言 | 第50页 |
| 5.2 一般的人体尺寸比例关系 | 第50-52页 |
| 5.2.1 中国成年人人体尺寸 | 第50-51页 |
| 5.2.2 获取人体尺寸比例关系 | 第51页 |
| 5.2.3 仅根据一般人体尺寸比例关系定位关节点方法的缺点 | 第51-52页 |
| 5.3 定位人体各个关节点 | 第52-55页 |
| 5.3.1 本文定位关节点的基本思路 | 第52页 |
| 5.3.2 定位人体各个关节点 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 实验数据及结果分析 | 第56-67页 |
| 6.1 实验环境 | 第56页 |
| 6.2 实验过程 | 第56-57页 |
| 6.3 细化算法对比 | 第57-59页 |
| 6.4 角点提取算法对比 | 第59-61页 |
| 6.5 实验结果及对比分析 | 第61-66页 |
| 6.6 本章小结 | 第66-67页 |
| 第七章 总结与展望 | 第67-69页 |
| 7.1 工作总结 | 第67-68页 |
| 7.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-74页 |
| 致谢 | 第74-75页 |
| 详细摘要 | 第75-76页 |
