多Kinect人机交互模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-13页 |
| 1.2.1 虚拟现实发展及现状 | 第9-11页 |
| 1.2.2 体感人机交互发展及现状 | 第11-12页 |
| 1.2.3 Kinect交互技术发展及现状 | 第12-13页 |
| 1.3 本文研究内容及组织结构 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文组织结构 | 第14-16页 |
| 第2章 所用平台工具介绍 | 第16-26页 |
| 2.1 Kinect介绍 | 第16-20页 |
| 2.1.1 Kinect硬件设备介绍 | 第16-17页 |
| 2.1.2 Kinect安装使用及工作原理 | 第17-20页 |
| 2.2 Kinect骨骼追踪识别原理介绍 | 第20-24页 |
| 2.2.1 Kinect获取深度图像原理 | 第20-21页 |
| 2.2.2 Kinect骨骼追踪识别原理 | 第21-22页 |
| 2.2.3 Kinect下人体骨骼模型介绍 | 第22-24页 |
| 2.3 Unity3D引擎介绍 | 第24-26页 |
| 第3章 多Kinect下坐标系标定 | 第26-35页 |
| 3.1 多Kinect骨骼采集系统配置方案 | 第26-27页 |
| 3.2 相机标定技术介绍 | 第27-28页 |
| 3.3 多Kinect下坐标系的标定 | 第28-35页 |
| 3.3.1 空间坐标系标定原理 | 第28-29页 |
| 3.3.2 空间坐标系标定模型 | 第29-30页 |
| 3.3.3 空间坐标系标定算法 | 第30-32页 |
| 3.3.4 实验验证及分析 | 第32-35页 |
| 第4章 人体骨骼数据融合模型研究 | 第35-47页 |
| 4.1 人体骨骼数据融合介绍 | 第35-37页 |
| 4.1.1 数据融合技术概述 | 第35-36页 |
| 4.1.2 卡尔曼滤波算法原理介绍 | 第36-37页 |
| 4.2 数据融合模型分析 | 第37-43页 |
| 4.2.1 人体骨骼点运动模型 | 第37-39页 |
| 4.2.2 数据融合算法 | 第39-43页 |
| 4.3 融合实验及结果分析 | 第43-47页 |
| 第5章 目标肢体动作模型识别 | 第47-59页 |
| 5.1 目标肢体动作的建模和识别 | 第47-51页 |
| 5.1.1 骨骼关节点坐标下的动作识别 | 第47-48页 |
| 5.1.2 人体骨骼模型分析 | 第48-50页 |
| 5.1.3 目标肢体动作建模 | 第50-51页 |
| 5.2 目标肢体动作识别算法 | 第51-55页 |
| 5.2.1 肢体动作识别算法介绍 | 第51-53页 |
| 5.2.2 DTW算法介绍 | 第53-55页 |
| 5.3 实验结果与分析 | 第55-59页 |
| 第6章 总结 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间研究成果 | 第66页 |
