| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第11-23页 |
| 1.1 课题背景与研究意义 | 第11-14页 |
| 1.2 国内外研究现状及存在的问题 | 第14-21页 |
| 1.2.1 基于 2D视频图像序列的人体动作分析 | 第15-17页 |
| 1.2.2 基于深度图像序列的人体动作分析 | 第17-18页 |
| 1.2.3 基于 3D人体骨架序列的动作分析 | 第18-21页 |
| 1.3 本文主要研究内容 | 第21页 |
| 1.4 本文的组织结构说明 | 第21-23页 |
| 2 三维人体动作骨架数据获取与动作姿态描述 | 第23-32页 |
| 2.1 三维人体动作骨架数据获取方法 | 第23-25页 |
| 2.1.1 3D骨架获取方法小结 | 第23页 |
| 2.1.2 基于深度图序列获取 | 第23-25页 |
| 2.2 3D人体骨架模型 | 第25-27页 |
| 2.3 动作姿势特征描述 | 第27-30页 |
| 2.3.1 肢体坐标系建立 | 第27页 |
| 2.3.2 姿势特征描述 | 第27-30页 |
| 2.4 Visswust_3DMotion动作数据集建立 | 第30页 |
| 2.5 本章小结 | 第30-32页 |
| 3 三维人体动作关键姿势帧提取技术研究 | 第32-55页 |
| 3.1 三维人体动作数据特点 | 第32-33页 |
| 3.2 典型的动作关键姿势帧提取方法总结 | 第33-34页 |
| 3.2.1 帧消减提取方法 | 第33-34页 |
| 3.2.2 曲线简化提取方法 | 第34页 |
| 3.2.3 聚类提取方法 | 第34页 |
| 3.3 本文动作关键姿势帧提取原则 | 第34-35页 |
| 3.4 基于时间约束X-means聚类的动作关键帧提取方法 | 第35-43页 |
| 3.4.1 X-Means算法原理 | 第35-37页 |
| 3.4.2 基于时间约束X-Means提取关键帧 | 第37页 |
| 3.4.3 实验结果与分析 | 第37-43页 |
| 3.5 基于可视交互的动作关键帧提取方法 | 第43-54页 |
| 3.5.1 基于曲线简化的候选关键帧提取 | 第44-45页 |
| 3.5.2 可视交互精选关键帧 | 第45-47页 |
| 3.5.3 实验结果与分析 | 第47-54页 |
| 3.6 本章小结 | 第54-55页 |
| 4 三维人体动作分类识别研究 | 第55-78页 |
| 4.1 人体动作识别算法相关研究工作 | 第55-56页 |
| 4.1.1 典型动作识别方法 | 第55-56页 |
| 4.1.2 人体动作识别方法小结 | 第56页 |
| 4.2 基于HMM的人体动作识别 | 第56-68页 |
| 4.2.1 隐马尔科夫模型 | 第57-63页 |
| 4.2.2 基于CHMM的人体动作识别 | 第63-66页 |
| 4.2.3 实验与分析 | 第66-68页 |
| 4.3 基于关键姿势和DTW的人体动作识别 | 第68-77页 |
| 4.3.1 DTW算法基本原理 | 第69-70页 |
| 4.3.2 基于关键姿势和DTW的人体动作识别实现 | 第70-72页 |
| 4.3.3 实验结果与分析 | 第72-77页 |
| 4.4 本章小结 | 第77-78页 |
| 5 虚拟交警指挥动作训练系统设计 | 第78-85页 |
| 5.1 系统背景与意义 | 第78页 |
| 5.2 系统原理与框架 | 第78-79页 |
| 5.3 系统软件功能实现 | 第79-82页 |
| 5.4 系统测试分析与应用 | 第82-84页 |
| 5.5 本章小结 | 第84-85页 |
| 总结与展望 | 第85-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 攻硕期间发表的学术论文及研究成果 | 第95-96页 |
