| 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页 |
| 1.2 步态分析系统国内外的研究现状 | 第10-13页 |
| 1.2.1 基于标记点的步态分析系统 | 第11-12页 |
| 1.2.2 基于无标记点的步态分析系统 | 第12页 |
| 1.2.3 基于深度图像的步态分析系统 | 第12-13页 |
| 1.3 本论文的结构 | 第13-15页 |
| 第2章 运动人体目标提取 | 第15-25页 |
| 2.1 Kinect传感器介绍 | 第15-16页 |
| 2.1.1 Kinect简介 | 第15页 |
| 2.1.2 Kinect原理 | 第15-16页 |
| 2.1.3 深度图像特点 | 第16页 |
| 2.2 运动检测算法 | 第16-18页 |
| 2.2.1 经典ViBe算法 | 第17页 |
| 2.2.2 经典ViBe算法在深度图像人体运动检测中遇到的问题 | 第17-18页 |
| 2.3 改进的ViBe算法 | 第18-22页 |
| 2.3.1 改进的背景模型 | 第19-20页 |
| 2.3.2 像素分类的改进 | 第20-21页 |
| 2.3.3 前景点背景模型更新策略 | 第21-22页 |
| 2.3.4 检测结果的阈值法消噪处理 | 第22页 |
| 2.4 实验及结果分析 | 第22-24页 |
| 2.4.1 参数说明与给定 | 第22-23页 |
| 2.4.2 实验结果分析 | 第23-24页 |
| 2.5 本章小节 | 第24-25页 |
| 第3章 基于深度图像的人体运动跟踪 | 第25-36页 |
| 3.1 Camshift跟踪算法的简介及应用 | 第25-31页 |
| 3.1.1 Mean shift算法的原理 | 第25-27页 |
| 3.1.2 Mean Shift跟踪算法在深度图像的应用 | 第27-28页 |
| 3.1.3 Camshift跟踪算法在深度图像的存在问题及改进 | 第28-31页 |
| 3.2 Kalman滤波算法 | 第31-33页 |
| 3.2.1 Kalman滤波原理 | 第31-32页 |
| 3.2.2 Kalman滤波在图像中应用 | 第32-33页 |
| 3.3 跟踪目标分割 | 第33-35页 |
| 3.4 本章小节 | 第35-36页 |
| 第4章 基于深度图像的人体关节定位 | 第36-45页 |
| 4.1 引言 | 第36-37页 |
| 4.2 下肢关节定位 | 第37-43页 |
| 4.2.1 人体模型 | 第37-38页 |
| 4.2.2 侧面髋关节定位 | 第38页 |
| 4.2.3 侧面膝关节定位 | 第38-41页 |
| 4.2.4 侧面踝关节定位 | 第41-43页 |
| 4.3 实验及结论 | 第43-44页 |
| 4.4 本章小节 | 第44-45页 |
| 第5章 步态参数提取与分析 | 第45-52页 |
| 5.1 引言 | 第45页 |
| 5.2 运动轨迹拟合 | 第45-47页 |
| 5.2.1 最小二乘法 | 第46页 |
| 5.2.2 实验结果 | 第46-47页 |
| 5.3 步态参数计算及分析 | 第47-49页 |
| 5.4 异常状态下步态分析 | 第49-50页 |
| 5.5 本章小结 | 第50-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 6.1 论文工作总结 | 第52-53页 |
| 6.2 论文工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
