菜单
　　
    摘要：我们以视频帧速率的形式来处理深度图像中人体部位的检测和识别问题。我们的解决方法中包括一个新型的针对网格和距离数据的兴趣点检测器，该方法非常善于分析人体形态。那些以表面网格中识别测量出的极值为基础的兴趣点，与人体中的突出的点相符合，可以用局部的形状描述器将他们归类为比如手部，脚部或者头部等。我们的方法还能对已给出的兴趣点进行三文定向矢量的估算。这可以用来规范局部形状描述器，以简化分类的问题并直接估计在空间中人体部位的定向。9183
    实验显示通过即时运动捕捉系统获取的地面真实标签表明在检测深度图像中的人体部位时，我们的兴趣点结合斑点分类器的方式要比基于滑动窗口探测器的方式要好得多。
      关键词  深度图像；兴趣点 ；检测 ；识别
    毕业设计说明书（论文）外文摘要
    Abstract We deal with the problem of detecting and identifying body parts in depth images at video frame rates. Our solution involves a novel interest point detector for mesh and range data that is particularly well suited for analyzing human shape. The interest points, which are based on identifying geodesic extrema on the surface mesh, coincide with salient points of the body, which can be classified as, e.g., hand, foot or head using local shape descriptors. Our approach also provides a natural way of estimating a 3D orientation vector for a given interest point. This can be used to normalize the local shape descriptors to simplify the classification problem as well as to directly estimate the orientation of body parts in space. Experiments involving ground truth labels acquired via an active motion capture system show that our interest points in conjunction with a boosted patch classifier are significantly better in detecting body parts in depth images than state-of the-art sliding-window based detectors.
    Keywords depth images；interest points；detect；identify
    目　　录
    1　绪论    3
    1.1　课题阐述    3
    1.1.1　课题来源    3
    1.1.2　课题的背景与意义    3
    1.2　国内外关于课题中应用的技术的发展状况    3
    1.2.1　Kinect简介    3
    1.2.2　Kinect发展史    4
    1.2.3　有关课题中Kinect的理论介绍    4
    1.3　OpenCV概述    5
    1.4　本文中项目执行的流程    5
    1.4.1　本课题研究内容    5
    1.4.2　本文研究的主要内容    6
    1.4.3　本文的组织结构    6
    2　基于深度图像的dijkstra算法的实现    6
    2.1　dijkstra算法的研究    6
    2.1.1　dijkstra定义    6
    2.1.2　问题描述    6
    2.1.3　迪杰斯特拉(Dijkstra)算法思想    6
    2.1.4　迪杰斯特拉算法的原理    7
    2.2　将dijkstra算法应用到深度图像中    7
    2.2.1　深度图像    8
    2.2.2　深度图像中点和边的特点    8
    2.2.3　深度图像中dijkstra算法的应用    8
    2.3　基于深度图像的dijkstra算法的优化    9
    2.3.1　初步优化    9
    2.3.2　进一步优化算法    9
    3　深度图像中兴趣点的检测    10
    3.1　问题的设置及概要    10
    3.2　兴趣点的检测    11
    3.3　研究兴趣点的取向及其性质    13
    4　深度图像中人体部位的识别    14
    4.1　利用分类器将兴趣点分类    14
    4.2　为兴趣点添上人体标签    14
  1. 上一篇：智能手机电影订票系统网站设计
  2. 下一篇：基于Hough变换的静态交通标志检测方法研究

  1. 基于Kinect的手势跟踪与识别算法设计

  2. 基于IOS的游戏资讯平台的设计与实现

  3. MAYA+Unity次世代第一人称射击游戏设计与制作

  4. 游戏平台中行为规则抽取研究

  5. 基于kinect的体感交互游戏的开发

  6. C#贪吃蛇游戏的设计+源代码

  7. kinect体感游戏控制器姿态检测方法研究

  8. 十二层带中心支撑钢结构...

  9. 酸性水汽提装置总汽提塔设计+CAD图纸

  10. 当代大学生慈善意识研究+文献综述

  11. 乳业同业并购式全产业链...

  12. 杂拟谷盗体内共生菌沃尔...

  13. java+mysql车辆管理系统的设计+源代码

  14. 中考体育项目与体育教学合理结合的研究

  15. 河岸冲刷和泥沙淤积的监测国内外研究现状

  16. 电站锅炉暖风器设计任务书

  17. 大众媒体对公共政策制定的影响

　　

About

751论文网手机版...

主页：http://www.751com.cn

关闭返回