基于Kinect骨骼数据的人体动作识别方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 面临的挑战 | 第12-13页 |
| 1.4 本文主要研究内容和章节安排 | 第13-15页 |
| 2 人体动作识别概述 | 第15-33页 |
| 2.1 深度图像的获取 | 第15-17页 |
| 2.2 目标检测 | 第17-19页 |
| 2.2.1 帧间差分法 | 第17-18页 |
| 2.2.2 背景差分法 | 第18页 |
| 2.2.3 运动场估计法 | 第18-19页 |
| 2.3 特征表示方法 | 第19-24页 |
| 2.3.1 基于全局的特征表示方法 | 第19-20页 |
| 2.3.2 基于局部的特征表示方法 | 第20-24页 |
| 2.4 特征提取 | 第24-29页 |
| 2.4.1 HOG特征描述子 | 第24-26页 |
| 2.4.2 SIFT特征 | 第26-27页 |
| 2.4.3 LBP特征 | 第27-29页 |
| 2.4.4 多特征融合 | 第29页 |
| 2.5 人体动作识别方法 | 第29-30页 |
| 2.6 常用人体动作识别数据库 | 第30-32页 |
| 2.7 本章小结 | 第32-33页 |
| 3 基于骨骼局部空间特征的人体动作识别 | 第33-47页 |
| 3.1 Kinect骨骼数据获取 | 第33页 |
| 3.2 人体骨骼局部空间特征提取 | 第33-39页 |
| 3.3 隐马尔科夫模型分类器 | 第39-40页 |
| 3.4 性能测试与分析 | 第40-45页 |
| 3.5 本章小结 | 第45-47页 |
| 4 基于骨骼词袋特征模型的人体动作识别 | 第47-59页 |
| 4.1 特征提取 | 第47-53页 |
| 4.1.1 局部空间运动特征提取 | 第47-48页 |
| 4.1.2 时间域特征提取 | 第48-53页 |
| 4.2 SVM分类器 | 第53-55页 |
| 4.3 性能测试与分析 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 工作总结与展望 | 第59-61页 |
| 5.1 主要工作总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 个人简历及在校期间研究成果 | 第65-66页 |
| 致谢 | 第66页 |
