基于Kinect深度图像人体动作识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究背景和意义 | 第9-13页 |
| 1.1.1 动作识别的应用 | 第9-11页 |
| 1.1.2 下一代人机交互技术 | 第11-13页 |
| 1.2 动作识别关键技术和研究概况 | 第13-17页 |
| 1.2.1 动作识别的关键技术 | 第13-15页 |
| 1.2.2 动作识别的研究概况 | 第15-17页 |
| 1.3 论文研究内容和组织结构 | 第17-18页 |
| 第二章 人体动作识别研究概况 | 第18-27页 |
| 2.1 国内外研究现状 | 第18-26页 |
| 2.1.1 基于二维图像技术的识别方法 | 第19-22页 |
| 2.1.2 基于非传统技术的识别方法 | 第22-26页 |
| 2.1.3 基于全局特征的识别方法 | 第26页 |
| 2.2 本章小结 | 第26-27页 |
| 第三章 人体动作的特征提取与系统设计 | 第27-41页 |
| 3.1 深度图像预处理 | 第27页 |
| 3.2 HOG3D 特征概述 | 第27-30页 |
| 3.3 4D空间中的扩展 | 第30-35页 |
| 3.3.1 4D表面法向量描述子 | 第30-31页 |
| 3.3.2 4D表面法向量的量化 | 第31-32页 |
| 3.3.3 非均匀量化 | 第32-35页 |
| 3.4 系统设计 | 第35-40页 |
| 3.4.1 Kinect 简介 | 第35页 |
| 3.4.2 系统设计 | 第35-36页 |
| 3.4.3 特征提取模块程序设计 | 第36-37页 |
| 3.4.4 支持向量机原理 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 实验 | 第41-51页 |
| 4.1 数据集与实验方法 | 第41-42页 |
| 4.1.1 数据集介绍 | 第41-42页 |
| 4.1.2 实验方法 | 第42页 |
| 4.2 实验结果与分析 | 第42-50页 |
| 4.2.1 实验过程 | 第42-48页 |
| 4.2.2 实验结果分析 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结和展望 | 第51-54页 |
| 5.1 研究内容总结 | 第51-52页 |
| 5.2 研究工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57页 |
