| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 人体动作分析的国内外的研究现状 | 第11-14页 |
| 1.2.1 人体动作的采集方法 | 第11页 |
| 1.2.2 基于视觉的人体动作分析方法 | 第11-14页 |
| 1.3 本论文的结构 | 第14-15页 |
| 第2章 基于深度图像的人体目标跟踪 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 Kinect2.0传感器介绍 | 第15-16页 |
| 2.2.1 Kinect2.0简介 | 第15-16页 |
| 2.2.2 Kinect2.0的特点 | 第16页 |
| 2.3 目标跟踪算法 | 第16-20页 |
| 2.3.1 Meanshift算法原理 | 第16-17页 |
| 2.3.2 结合Kalman滤波器的Meanshift跟踪方法 | 第17-18页 |
| 2.3.3 经典Kalman-Meanshift算法在深度图像人体目标跟踪中的问题 | 第18-20页 |
| 2.4 结合机器学习与模板更新的改进跟踪方法 | 第20-22页 |
| 2.5 实验及结果分析 | 第22-26页 |
| 2.5.1 实验内容 | 第22-23页 |
| 2.5.2 实验结果分析 | 第23-26页 |
| 2.6 本章小节 | 第26-27页 |
| 第3章 Kinect人体骨架模型的矫正 | 第27-35页 |
| 3.1 人体关节骨架模型的获取 | 第27-28页 |
| 3.1.1 人体关节骨架模型的建立 | 第27页 |
| 3.1.2 基于Kinect的人体骨架模型 | 第27-28页 |
| 3.2 基于Kalman滤波器的人体关节位置矫正 | 第28-31页 |
| 3.2.1 基于Kinect人体骨架模型的问题 | 第28-29页 |
| 3.2.2 基于轨迹预测的骨架模型矫正方法 | 第29-31页 |
| 3.3 实验及结果分析 | 第31-34页 |
| 3.4 本章小节 | 第34-35页 |
| 第4章 基于空间几何的人体动作描述子 | 第35-41页 |
| 4.1 引言 | 第35页 |
| 4.2 基于几何特征的人体动作描述子 | 第35-39页 |
| 4.2.1 特征三角与特征平面的构造 | 第35-37页 |
| 4.2.2 基于特征变化的自适应加权方法 | 第37-39页 |
| 4.3 实验及结果分析 | 第39-40页 |
| 4.4 本章小节 | 第40-41页 |
| 第5章 基于改进DTW算法的人体动作评价 | 第41-48页 |
| 5.1 引言 | 第41页 |
| 5.2 DTW算法原理 | 第41-43页 |
| 5.3 一种改进的DTW算法 | 第43页 |
| 5.4 基于改进DTW算法的人体动作评价方法 | 第43-45页 |
| 5.5 实验及结果分析 | 第45-47页 |
| 5.6 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 论文工作总结 | 第48-49页 |
| 6.2 论文工作展望 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 附录 | 第56页 |