| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-28页 |
| 1.1 本文的研究背景及意义 | 第15-16页 |
| 1.2 下肢康复机器人的研究现状 | 第16-22页 |
| 1.2.1 国外下肢康复机器人研究现状 | 第16-20页 |
| 1.2.2 国内下肢康复机器人研究现状 | 第20-22页 |
| 1.3 康复数据获取的研究现状 | 第22-26页 |
| 1.3.1 获取康复数据的方法 | 第22-23页 |
| 1.3.2 Kinect 2.0 传感器简介 | 第23-26页 |
| 1.4 本文的研究内容和章节安排 | 第26-28页 |
| 第二章 关节点数据的采集与分析 | 第28-40页 |
| 2.1 Kinect 2.0 人体骨骼模型建立原理 | 第28-33页 |
| 2.1.1 人体下肢解剖学研究 | 第28-29页 |
| 2.1.2 生成 3D深度的图像的原理 | 第29-31页 |
| 2.1.3 人体部位划分与骨骼关节点的生成 | 第31-33页 |
| 2.2 关节点数据的采集 | 第33-35页 |
| 2.2.1 数据采集方案 | 第33-34页 |
| 2.2.2 Kinect 2.0 传感器安装位置限定 | 第34-35页 |
| 2.3 下肢被动康复训练关节的运动特点 | 第35-38页 |
| 2.4 Kinect 2.0 传感器采集的关节数据分析 | 第38-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 轨迹修正算法 | 第40-52页 |
| 3.1 关节点模型的建立 | 第40-43页 |
| 3.1.1 康复运动轨迹的描述 | 第40-41页 |
| 3.1.2 关节运动轨迹整体修正方案 | 第41-43页 |
| 3.2 特征点数据的初始化 | 第43-46页 |
| 3.3 特征点训练算法 | 第46-51页 |
| 3.3.1 神经网络算法简介 | 第46-47页 |
| 3.3.2 快速神经网络轨迹修正算法 | 第47-51页 |
| 3.4 下肢关节康复运动轨迹的拟合 | 第51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 在线康复训练状态识别软件系统的设计及实现 | 第52-59页 |
| 4.1 在线康复训练状态识别系统需求分析 | 第52-54页 |
| 4.1.1 系统功能需求分析 | 第52-53页 |
| 4.1.2 系统性能需求分析 | 第53页 |
| 4.1.3 在线康复训练状态识别系统设计方案 | 第53-54页 |
| 4.2 康复运动数据采集识别系统软件设计 | 第54-57页 |
| 4.2.1 康复运动数据采集识别系统的软件开发平台 | 第54-55页 |
| 4.2.2 康复运动数据采集识别系统的软件系统结构 | 第55-56页 |
| 4.2.3 系统人机界面设计 | 第56-57页 |
| 4.2.4 在线康复训练状态识别系统的工作流程 | 第57页 |
| 4.3 本章小结 | 第57-59页 |
| 第五章 在线康复训练状态识别系统测试 | 第59-68页 |
| 5.1 算法模块测试 | 第59-64页 |
| 5.1.1 算法应用及数据集的建立 | 第59页 |
| 5.1.2 样本值初始化效果的测试 | 第59-60页 |
| 5.1.3 神经网络模型学习效果的验证 | 第60-64页 |
| 5.2 系统整体性能测试 | 第64-67页 |
| 5.2.1 实验平台的介绍 | 第64页 |
| 5.2.2 康复训练图像实时监测模块测试 | 第64-65页 |
| 5.2.3 下肢关节轨迹实时显示模块测试 | 第65-66页 |
| 5.2.4 康复运动训练数据记录子模块 | 第66-67页 |
| 5.3 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73-74页 |
