Kinect標定原理：
難點與發展趨勢（2012）：
基於視頻內容的關鍵幀提取算法（2014）：
本文提出了基於關鍵幀的人體姿態識別算法，採用基於Hu 不變矩特徵的關鍵幀提取算法，通過計算特徵覆蓋率以及失真率來提取視頻序列的關鍵幀，以減少視頻圖像的信息冗餘，提高識別效率; 採用二維多特徵融合構建人體姿態模型，利用基於支持向量機的多類分類器建立多姿態分類模型; 原始視頻中的圖像序列計算爲視頻中關鍵的人體姿態的語義描述序列，並有利於對視頻中人體行爲內容的快速理解． 實驗中採用了自採集視頻數據和公共數據庫對分類模型進行訓練，對測試數據進行識別，識別正確率和效率方面均有着較好的結果．
由於實驗過程中採用的數據多爲90 度的鏡頭拍攝，單個運動目標，因此該算法目前主要在實驗環境中應用． 下一步的工作將從三個方面展開: 對人體姿態的多特徵表示作進一步的研究，以提高相似姿態的特徵表示的區別度，提高姿態識別的正確率; 對實際監控數據中多運動目標間的遮擋而引起的識別難點進行研究; 採用GPU 並行計算在關鍵幀提取過程中
的應用，以減少該運算過程的計算時間．
基於多傳感器融合的人體姿態識別研究（2014）
基於深度圖像的人體姿態估計–CMU運動捕捉數據庫（2013）
基於人體運動特徵的異常行爲檢測和姿態識別：
