| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 引言 | 第8页 |
| 1.2 课题的研究背景及意义 | 第8-11页 |
| 1.3 课题的研究现状 | 第11-14页 |
| 1.3.1 国内外研究现状 | 第11-14页 |
| 1.3.2 当前研究存在的问题与分析 | 第14页 |
| 1.4 课题研究内容与研究方法 | 第14-15页 |
| 1.5 论文结构安排 | 第15-16页 |
| 第二章 基于单目视觉系统的人体运动检测与运动分析 | 第16-30页 |
| 2.1 引言 | 第16-17页 |
| 2.2 运动目标检测 | 第17-26页 |
| 2.2.1 常用检测算法的比较与分析 | 第17-20页 |
| 2.2.2 基于改进的混合高斯模型和三帧差分法的运动检测 | 第20-23页 |
| 2.2.3 运动检测结果分析 | 第23-26页 |
| 2.3 基于形状与运动特性的运动分析 | 第26-28页 |
| 2.3.1 特征提取和运动描述 | 第26-27页 |
| 2.3.2 人体动作识别 | 第27-28页 |
| 2.4 实验结果与分析 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于RGBD视觉系统的人体动作识别 | 第30-51页 |
| 3.1 引言 | 第30-31页 |
| 3.2 深度信息的获取 | 第31-37页 |
| 3.2.1 深度设备的选择 | 第31-32页 |
| 3.2.2 Kinect数据获取与分析 | 第32-36页 |
| 3.2.3 三维人体骨骼模型 | 第36-37页 |
| 3.3 基于非训练模型的人体动作识别方法 | 第37-39页 |
| 3.3.1 动作特征提取与描述 | 第37-38页 |
| 3.3.2 动作动态变化过程 | 第38-39页 |
| 3.3.3 实验结果与分析 | 第39页 |
| 3.4 基于训练模型的人体动作识别方法 | 第39-50页 |
| 3.4.1 动作特征提取与描述 | 第40-45页 |
| 3.4.2 多类SVM分类器 | 第45-47页 |
| 3.4.3 实验结果与分析 | 第47-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 总结与展望 | 第51-53页 |
| 4.1 本文工作总结 | 第51-52页 |
| 4.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 在学期间的研究成果 | 第58-59页 |
| 致谢 | 第59页 |