全文总字数：1282字

1. 研究目的与意义

本课题是基于树结构的贝叶斯网络来表示人体结构，并用kinect收集人在做不同动作时的姿态数据，从而识别出动作类型。

动作识别的基础是骨骼跟踪，广义上识别的内容包含肢体运动、手势以及静态姿势。

美国著名心理学家艾伯特赫拉伯恩曾提出过一个公式：信息交流的结果=7％的语言 38％的语调语速 55％的表情和动作人们在人际交往中，多达93％的信息是通过非语言方式传递，其中又以肢体语言为主。

2. 国内外研究现状分析

虽然概率论从17世纪就开始出现，但也是在最近被用于解决涉及多变量交互的复杂问题，并导致了概率图模型的出现。

概率图模型的框架包括了多种模型如贝叶斯网络和马尔可夫随机场。

它们被广泛应用于网络搜索、医疗诊断、图像理解、语音识别、自然语言处理和机器人导航等。

3. 研究的基本内容与计划

内容一）kinect的工作模式主要是识别人体及相关的动作，而识别人体的最主要核心就是骨骼。

通过骨骼的追踪，kinect把人体的动作扫描到计算机上，并做相关的模拟及操作。

识别到3d图像深度信息后，kinect通过渲染数据，并计算得到人体主要的20个骨骼位置，通过kinect红外扫描，计算机程序计算并掌握玩家身形轮廓与其肢体位置，以此来判断玩家的姿势，从而捕捉到人的动作，现在kinect由于视野和识别的效果情况下，最佳状态支持2个人的骨骼捕捉。

4. 研究创新点

1、使用kinect进行动作资料收集。

kinect最早是在2009年6月1日e3 2009上首次公布，当时的代号是projet natal意为初生，遵循微软以城市名作为开发代号的传统，projet natal是由来自巴西的微软董事alex kipman以巴西城市natal, rio grande do norte命名。

natal在英语中还有初生的含义，这也是微软给予此计划对xbox360带来新生的期望。