| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题背景与研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-14页 |
| 1.2.1 接触式识别技术研究现状 | 第9-10页 |
| 1.2.2 非接触式识别技术研究现状 | 第10-14页 |
| 1.2.3 人体姿态识别中的技术难点 | 第14页 |
| 1.3 本文主要研究内容 | 第14-17页 |
| 第2章 人体姿态图像预处理 | 第17-36页 |
| 2.1 引言 | 第17页 |
| 2.2 图像采集 | 第17-20页 |
| 2.3 图像噪声去除 | 第20-24页 |
| 2.3.1 去除地面噪声 | 第20-22页 |
| 2.3.2 深度图像的平滑 | 第22-24页 |
| 2.4 基于联合标定的人体区域分割 | 第24-31页 |
| 2.4.1 人体区域分割流程 | 第24-25页 |
| 2.4.2 摄像头标定 | 第25-28页 |
| 2.4.3 图像坐标转换 | 第28页 |
| 2.4.4 基于大律法的人体区域提取 | 第28-29页 |
| 2.4.5 提取效果验证 | 第29-31页 |
| 2.5 错分区域去除 | 第31-34页 |
| 2.5.1 孤立噪声点筛选 | 第32-33页 |
| 2.5.2 通过面积阈值进行去噪 | 第33-34页 |
| 2.6 人体姿态图像的轮廓提取 | 第34-35页 |
| 2.7 本章小结 | 第35-36页 |
| 第3章 人体姿态特征提取及特征向量构建 | 第36-47页 |
| 3.1 引言 | 第36页 |
| 3.2 人体姿态特征选取 | 第36-37页 |
| 3.3 骨骼点夹角特征向量构建 | 第37-39页 |
| 3.4 深度图像特征向量构建 | 第39-42页 |
| 3.4.1 Area_ratio 特征参数的计算 | 第39-40页 |
| 3.4.2 Width_ratio 与 Height_ratio 特征参数的计算 | 第40页 |
| 3.4.3 Hu 矩特征参数的计算 | 第40-42页 |
| 3.5 彩色图像特征向量构建 | 第42-44页 |
| 3.6 主成分分析法（PCA）降维 | 第44-45页 |
| 3.7 本章小结 | 第45-47页 |
| 第4章 姿态识别算法与分类器设计 | 第47-57页 |
| 4.1 引言 | 第47页 |
| 4.2 分类器选择 | 第47-49页 |
| 4.3 贝叶斯分类器 | 第49-53页 |
| 4.3.1 贝叶斯分类器基本公式介绍 | 第49-51页 |
| 4.3.2 基于最小错误率的贝叶斯分类器 | 第51-53页 |
| 4.4 基于 boosting 算法的特征融合策略 | 第53-56页 |
| 4.4.1 boosting 算法基本原理 | 第53页 |
| 4.4.2 基于 boosting 方法的分类器训练 | 第53-55页 |
| 4.4.3 分类器加权融合 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 实验结果及分类结果优化 | 第57-71页 |
| 5.1 引言 | 第57页 |
| 5.2 系统设备 | 第57-58页 |
| 5.3 图像采集结果 | 第58-60页 |
| 5.4 图像预处理实验结果 | 第60-63页 |
| 5.5 特征向量提取实验结果 | 第63-66页 |
| 5.6 数据库样本分类实验结果 | 第66-69页 |
| 5.7 非特定人实验结果 | 第69页 |
| 5.8 不同光照条件下实验结果 | 第69-70页 |
| 5.9 本章小结 | 第70-71页 |
| 结论 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第76-78页 |
| 致谢 | 第78页 |
