| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·本论文研究的目的和意义 | 第9-10页 |
| ·国内外研究现状及发展趋势 | 第10-13页 |
| ·RGB-D视频人体异常行为检测方法的研究背景 | 第10-11页 |
| ·RGB-D视频人体异常行为检测方法的国内外研究现状 | 第11-13页 |
| ·RGB-D视频人体异常行为检测方法的发展趋势 | 第13页 |
| ·论文的研究内容及结构安排 | 第13-16页 |
| ·论文研究内容 | 第13-14页 |
| ·论文的结构安排 | 第14-16页 |
| 第2章 基于KINECT的RGB-D深度数据采集原理及方法 | 第16-24页 |
| ·引言 | 第16页 |
| ·Kinect深度传感器 | 第16-19页 |
| ·Kinect深度传感器组成及原理 | 第16-17页 |
| ·OpenNI开放式自然操作软件框架 | 第17-19页 |
| ·RGB-D深度数据的获取原理及方法 | 第19-21页 |
| ·RGB-D深度数据的储存方法 | 第21-22页 |
| ·RGB-D深度数据的表示方法 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第3章 RGB-D视频人体骨架特征提取算法研究 | 第24-44页 |
| ·引言 | 第24-25页 |
| ·目标检测算法概述 | 第25-27页 |
| ·帧间差分法 | 第25页 |
| ·背景减除法 | 第25-26页 |
| ·光流法 | 第26-27页 |
| ·基于背景减除法的目标检测算法 | 第27-30页 |
| ·基于平均建模的目标检测 | 第27-28页 |
| ·基于自适应高斯模型的目标检测 | 第28-30页 |
| ·RGB-D视频人体关节点识别算法 | 第30-33页 |
| ·人体关节点识别算法步骤 | 第30-31页 |
| ·Random forest随机森林算法 | 第31-33页 |
| ·RGB-D视频基于关节角度的人体骨架特征表示方法 | 第33-39页 |
| ·关节角度的定义 | 第33-35页 |
| ·人体姿态的骨架特征表示方法 | 第35-38页 |
| ·人体行为的骨架特征表示方法 | 第38-39页 |
| ·实验结果与分析 | 第39-43页 |
| ·多视角的人体骨架特征提取实验 | 第39-40页 |
| ·多观察距离的人体骨架特征提取实验 | 第40-41页 |
| ·跌倒后的人体骨架特征提取实验 | 第41-42页 |
| ·多人目标人体骨架特征提取实验 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第4章 RGB-D视频基于人体骨架特征的异常行为检测算法研究 | 第44-54页 |
| ·引言 | 第44页 |
| ·人体异常行为检测的定义 | 第44-46页 |
| ·RGB-D视频基于人体骨架特征信息熵的人体异常行为检测算法 | 第46-51页 |
| ·信息熵定义及基本概念 | 第46-47页 |
| ·混乱异常行为中人体骨架特征信息熵的数据分析实验 | 第47-50页 |
| ·实验结果与分析 | 第50-51页 |
| ·RGB-D视频基于多特征融合的人体异常行为检测算法 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第5章 RGB-D视频人体异常行为检测系统设计 | 第54-61页 |
| ·引言 | 第54页 |
| ·系统开发环境 | 第54-55页 |
| ·Matlab环境下MEX混合编程 | 第54页 |
| ·Matalb环境下并行计算 | 第54-55页 |
| ·系统程序设计 | 第55-60页 |
| ·程序系统框图 | 第55页 |
| ·RGB-D视频采集模块 | 第55-56页 |
| ·人体骨架特征提取模块 | 第56-57页 |
| ·人体异常行为检测模块 | 第57-59页 |
| ·视频输出显示模块 | 第59-60页 |
| ·小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读学位期间发表论文与研究成果清单 | 第68-69页 |
| 致谢 | 第69页 |
