| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第13-23页 |
| 1.1 课题来源 | 第13页 |
| 1.2 研究背景与意义 | 第13-15页 |
| 1.3 国内外研究现状分析 | 第15-21页 |
| 1.3.1 人体动作捕捉研究现状 | 第15-16页 |
| 1.3.2 多Kinect传感器数据融合研究现状 | 第16-17页 |
| 1.3.3 人体行为识别方法研究现状 | 第17-20页 |
| 1.3.4 基于Kinect传感器人体行为识别研究现状 | 第20-21页 |
| 1.4 本文研究的主要内容 | 第21-23页 |
| 第2章 人体行为识别系统的框架结构 | 第23-33页 |
| 2.1 系统的总体构成 | 第23-24页 |
| 2.2 系统主要硬件Kinect传感器介绍 | 第24-28页 |
| 2.2.1 Kinect传感器简介 | 第24-26页 |
| 2.2.2 Kinect传感器深度信息的获取 | 第26-28页 |
| 2.3 系统软件介绍 | 第28-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于多Kinect传感器外参数标定 | 第33-45页 |
| 3.1 Kinect传感器标定综述 | 第33-34页 |
| 3.2 标定基本原理 | 第34-38页 |
| 3.2.1 三大坐标系 | 第34-35页 |
| 3.2.2 全局坐标变换 | 第35-36页 |
| 3.2.3 基于向量空间的三维坐标转换 | 第36-38页 |
| 3.3 三面标靶点云信息预处理 | 第38-41页 |
| 3.3.1 三面标靶点云信息采集 | 第38-39页 |
| 3.3.2 云去噪处理 | 第39-41页 |
| 3.4 平面分割及提取 | 第41-42页 |
| 3.5 差分析 | 第42-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 人体姿态数据融合 | 第45-63页 |
| 4.1 基于约束的人体骨骼模型 | 第45-52页 |
| 4.1.1 层次骨骼模型 | 第46-47页 |
| 4.1.2 统一的全局骨骼模型 | 第47-48页 |
| 4.1.3 旋转矩阵求解 | 第48-51页 |
| 4.1.4 人体关节欧拉角求解 | 第51-52页 |
| 4.2 多源关节点数据融合 | 第52-55页 |
| 4.2.1 可信度判断 | 第52-53页 |
| 4.2.2 融合策略 | 第53-55页 |
| 4.3 人体关节预测 | 第55-59页 |
| 4.4 人体关节点融合算法实验与分析 | 第59-60页 |
| 4.5 人体特征区域提取 | 第60-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第5章 人体行为识别技术研究 | 第63-77页 |
| 5.1 人体行为识别综述 | 第63-64页 |
| 5.2 人体行为特征提取 | 第64-69页 |
| 5.2.1 特征提取概述 | 第64-66页 |
| 5.2.2 人体关节向量角提取 | 第66-67页 |
| 5.2.3 关节向量相对距离求解 | 第67-69页 |
| 5.2.4 特征向量表示法 | 第69页 |
| 5.3 BP神经网络原理分析 | 第69-72页 |
| 5.4 BP神经网络结构设计与参数选择 | 第72-73页 |
| 5.4.1 BP神经网络结构设计 | 第72页 |
| 5.4.2 BP神经网络参数选取 | 第72-73页 |
| 5.5 BP神经网络人体行为识别 | 第73-75页 |
| 5.5.1 训练数据集采集 | 第73-74页 |
| 5.5.2 BP神经网络分类器训练与测试 | 第74-75页 |
| 5.6 本章小结 | 第75-77页 |
| 第6章 人体行为软件系统设计与识别实验 | 第77-83页 |
| 6.1 实验软件系统设计 | 第77-81页 |
| 6.1.1 数据采集模块 | 第77-79页 |
| 6.1.2 Kinect传感器外参标定模块 | 第79页 |
| 6.1.3 人体行为识别模块 | 第79-81页 |
| 6.2 具有遮挡的人体行为在线识别实验 | 第81-82页 |
| 6.3 本章小结 | 第82-83页 |
| 第7章 研究工作总结及展望 | 第83-85页 |
| 7.1 工作总结 | 第83-84页 |
| 7.2 研究展望 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 致谢 | 第91页 |