基于深度图像学习的人体部位识别
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 引言 | 第10-13页 |
| ·人体识别的背景和意义 | 第10-11页 |
| ·深度图像模式识别的研究现状 | 第11-12页 |
| ·本文的研究内容与成果概述 | 第12-13页 |
| 第二章 深度图像技术 | 第13-20页 |
| ·Kinect 深度成像的基本原理 | 第13-15页 |
| ·深度图像的性质 | 第15-16页 |
| ·深度图的概念与优点 | 第15-16页 |
| ·深度图与可见光图像比较 | 第16页 |
| ·深度图像局域梯度特征 | 第16-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 分类器 | 第20-26页 |
| ·分类器概述 | 第20-21页 |
| ·决策树 | 第21-23页 |
| ·决策树的训练 | 第21-23页 |
| ·决策树的分类 | 第23页 |
| ·随机森林 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 实验结果与分析 | 第26-49页 |
| ·系统总体框架 | 第26-29页 |
| ·实验数据 | 第27-28页 |
| ·实验环境与参数设定 | 第28-29页 |
| ·实验结果与分析 | 第29-38页 |
| ·实验定性结果 | 第29-35页 |
| ·实验定量分析 | 第35-38页 |
| ·改进的特征 | 第38-40页 |
| ·与已有工作对比 | 第40-46页 |
| ·与文献[5]对比 | 第41-43页 |
| ·与AGEX-HNT 算法对比 | 第43-46页 |
| ·方法的评价 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-59页 |
| 参考材料1 | 第54页 |
| 参考材料2 | 第54-55页 |
| 补充实验数据 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士学位期间已发表或录用的论文 | 第60-61页 |
| 附件 | 第61-63页 |
