首页--医药、卫生论文--临床医学论文--康复医学论文--康复医学工程论文

基于Kinect的拉伸康复性训练系统

摘要第5-6页
Abstract第6-7页
第一章 绪论第11-17页
    1.1 研究背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 国内研究现状第12-13页
        1.2.2 国外研究现状第13-15页
    1.3 论文研究内容第15页
    1.4 论文组织结构第15-17页
第二章 基于Kinect的拉伸康复性训练系统设计第17-25页
    2.1 Kinect简介第17-18页
        2.1.1 Kinect硬件第17-18页
        2.1.2 Kinect软件开发环境第18页
    2.2 康复训练系统概述第18-19页
    2.3 系统逻辑架构第19-20页
        2.3.1 硬件层第19-20页
        2.3.2 数据层第20页
        2.3.3 应用服务层第20页
        2.3.4 业务层第20页
        2.3.5 表现层第20页
    2.4 系统数据流第20-24页
        2.4.1 Kinect数据流简介第20-21页
        2.4.2 深度数据流第21-22页
        2.4.3 骨骼数据的存储第22-23页
        2.4.4 数据平滑化处理第23-24页
    2.5 本章小结第24-25页
第三章 基于角度测量的人体姿势识别第25-35页
    3.1 算法流程第25-26页
    3.2 算法各流程详解第26-29页
        3.2.1 人体骨架信息的获取第26-27页
        3.2.2 计算关节点之间的距离第27页
        3.2.3 计算关节点之间角度第27-28页
        3.2.4 关键姿势定义第28-29页
        3.2.5 姿势库匹配第29页
    3.3 算法验证第29-32页
        3.3.1 T姿势第30-31页
        3.3.2 举起双手姿势第31-32页
        3.3.3 正常站立姿势第32页
    3.4 姿势识别结果第32-34页
        3.4.1 原始数据识别结果第32-34页
        3.4.2 增加数据平滑化处理识别结果第34页
    3.5 本章小结第34-35页
第四章 动作相似性匹配算法第35-49页
    4.1 主流的匹配算法第35-37页
        4.1.1 模板匹配的方法第35-36页
        4.1.2 概率统计的方法第36-37页
        4.1.3 基于语法的方法第37页
    4.2 基于DTW的匹配算法第37-41页
        4.2.1 DTW算法原理第37-40页
        4.2.2 改进的DTW算法第40-41页
    4.3 RANSAC算法模型第41-43页
        4.3.1 算法示例与概述第41-42页
        4.3.2 RANSAC算法的优缺点第42-43页
    4.4 算法验证第43-48页
        4.4.1 标准动作流库第43-45页
        4.4.2 用户动作流参数获取第45-47页
        4.4.3 动作相似度匹配第47-48页
        4.4.4 实验结果分析第48页
        4.4.5 DTW-RANSAC算法动作流匹配第48页
    4.5 本章小结第48-49页
第五章 拉伸康复训练系统设计与实现第49-67页
    5.1 拉伸康复训练系统模块设计第49-58页
        5.1.1 系统界面设计第49-50页
        5.1.2 系统界面模块——KinectRehabilitationSystem第50-51页
        5.1.3 Kinect连接状态检测模块——KinectChooser第51-53页
        5.1.4 Avator人物渲染模块——Object2D第53-54页
        5.1.5 骨骼数据流渲染模块——SkeletonStreamRender第54-56页
        5.1.6 系统辅助模块——KinectHelper第56-58页
        5.1.7 时间辅助模块——Timer第58页
    5.2 开发工具介绍第58页
    5.3 XNA开发平台第58-60页
        5.3.1 XNA简介第58-59页
        5.3.2 XNA工作机制第59页
        5.3.3 Avator人物模型驱动第59-60页
    5.4 拉伸康复性训练系统界面第60-66页
        5.4.1 系统初始界面第60-61页
        5.4.2 选定训练动作界面第61-62页
        5.4.3 训练界面第62-64页
        5.4.4 结果反馈界面第64-66页
    5.5 本章小结第66-67页
第六章 总结与展望第67-69页
    6.1 总结第67页
    6.2 展望第67-69页
致谢第69-71页
参考文献第71-73页

论文共73页,点击 下载论文
上一篇:部分容积效应下的神经纤维方向估计模型与算法
下一篇:应用MR成像评估糖尿病患者内脏异常脂肪沉积及其相关肾脏损伤的研究