基于视频的人体行为分析算法的研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-24页 |
| ·研究背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-20页 |
| ·运动目标检测的研究现状 | 第13-15页 |
| ·运动目标跟踪的研究现状 | 第15-17页 |
| ·运动人体特征选择与提取的研究现状 | 第17-18页 |
| ·人体行为分析的研究现状 | 第18-20页 |
| ·发展趋势和存在的问题 | 第20-22页 |
| ·发展趋势 | 第20-21页 |
| ·存在的问题 | 第21-22页 |
| ·本文研究内容 | 第22页 |
| ·本文组织结构 | 第22-24页 |
| 第2章 OPENCV技术介绍 | 第24-27页 |
| ·引言 | 第24页 |
| ·OPENCV简介 | 第24页 |
| ·OPENCV的配置 | 第24-26页 |
| ·OPENCV库组成 | 第26-27页 |
| 第3章 运动目标检测 | 第27-38页 |
| ·引言 | 第27页 |
| ·常用运动目标检测算法 | 第27-31页 |
| ·背景相减法 | 第27-29页 |
| ·帧间差分法 | 第29-30页 |
| ·光流法 | 第30-31页 |
| ·本文算法 | 第31-35页 |
| ·四帧差分算法 | 第31-32页 |
| ·动态阈值T | 第32-33页 |
| ·图像后处理 | 第33-35页 |
| ·实验结果与分析 | 第35-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 人体目标跟踪 | 第38-56页 |
| ·引言 | 第38页 |
| ·基于连通域分析的跟踪 | 第38-40页 |
| ·卡尔曼滤波器 | 第38-39页 |
| ·基于连通域分析的目标跟踪算法 | 第39-40页 |
| ·基于MEAN SHIFT的目标跟踪 | 第40-43页 |
| ·Mean Shift理论 | 第40-42页 |
| ·Mean Shift跟踪算法 | 第42-43页 |
| ·基于粒子滤波的目标跟踪 | 第43-46页 |
| ·粒子滤波理论 | 第43-45页 |
| ·粒子滤波跟踪算法 | 第45-46页 |
| ·改进的粒子滤波跟踪算法 | 第46页 |
| ·基于团块的跟踪算法 | 第46-54页 |
| ·OpenCV的团块跟踪框架 | 第46-48页 |
| ·自定义模块添加 | 第48-49页 |
| ·基于团块的跟踪算法的实现 | 第49-51页 |
| ·实验结果与分析 | 第51-54页 |
| ·本章小结 | 第54-56页 |
| 第5章 人体行为特征选择与提取 | 第56-67页 |
| ·引言 | 第56页 |
| ·关键帧提取 | 第56-57页 |
| ·运动特征 | 第57-62页 |
| ·高宽比 | 第57-59页 |
| ·占空比 | 第59-61页 |
| ·周长比 | 第61-62页 |
| ·基于改进的HU矩与运动特征相结合的特征提取方法 | 第62-64页 |
| ·提取运动人体轮廓图 | 第62-63页 |
| ·Hu矩 | 第63-64页 |
| ·改进的Hu矩与运动特征相结合 | 第64页 |
| ·实验结果与分析 | 第64-66页 |
| ·运动人体轮廓提取实验 | 第64-65页 |
| ·Hu矩结合运动特征提取实验 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 基于支持向量机的人体行为识别 | 第67-75页 |
| ·引言 | 第67页 |
| ·支持向量机基本原理 | 第67-69页 |
| ·核函数 | 第69-70页 |
| ·解决多类问题的支持向量算法 | 第70-71页 |
| ·实验结果与分析 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第7章 总结与展望 | 第75-77页 |
| ·本文工作总结 | 第75-76页 |
| ·工作展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间主要学术成果 | 第82-83页 |
| 致谢 | 第83页 |
