基于视觉的运动目标检测与姿态识别算法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1.绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容与章节安排 | 第12-15页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 章节结构安排 | 第13-15页 |
| 2.运动目标检测算法及仿真 | 第15-29页 |
| 2.1 运动目标检测常用方法 | 第15-17页 |
| 2.1.1 光流法 | 第15-16页 |
| 2.1.2 背景差分法 | 第16-17页 |
| 2.1.3 帧间差分法 | 第17页 |
| 2.2 基于帧间差分法的运动人体检测算法流程 | 第17-21页 |
| 2.2.1 图像灰度化 | 第18-19页 |
| 2.2.2 图像差分处理 | 第19页 |
| 2.2.3 差分图像二值化 | 第19页 |
| 2.2.4 数字形态学滤波 | 第19-20页 |
| 2.2.5 连通性检测 | 第20-21页 |
| 2.3 运动人体检测仿真结果及分析 | 第21-27页 |
| 2.4 本章小结 | 第27-29页 |
| 3.运动目标跟踪算法及仿真 | 第29-47页 |
| 3.1 目标跟踪常用方法 | 第29-31页 |
| 3.1.1 基于匹配的跟踪方法 | 第30页 |
| 3.1.2 基于运动估计的跟踪方法 | 第30页 |
| 3.1.3 基于神经网络的跟踪方法 | 第30-31页 |
| 3.2 贝叶斯滤波理论 | 第31-35页 |
| 3.2.1 贝叶斯估计 | 第31-32页 |
| 3.2.2 卡尔曼滤波原理 | 第32-35页 |
| 3.3 基于卡尔曼滤波的目标跟踪算法 | 第35-39页 |
| 3.3.1 跟踪特征值的选择 | 第36-37页 |
| 3.3.2 运动估计模型 | 第37-38页 |
| 3.3.3 预测功能的实现 | 第38-39页 |
| 3.4 目标跟踪仿真结果 | 第39-44页 |
| 3.5 本章小结 | 第44-47页 |
| 4.运动人体姿态识别算法与仿真 | 第47-57页 |
| 4.1 人体异常行为分析常用方法 | 第47-48页 |
| 4.1.1 基于模型的行为分析方法 | 第47-48页 |
| 4.1.2 基于相似度量的行为分析方法 | 第48页 |
| 4.2 运动人体标识及特征提取 | 第48-51页 |
| 4.2.1 运动人体标识 | 第48-49页 |
| 4.2.2 运动人体特征提取 | 第49-51页 |
| 4.3 人体跌倒检测方法 | 第51-53页 |
| 4.4 人体跌倒检测仿真结果与分析 | 第53-55页 |
| 4.5 本章小结 | 第55-57页 |
| 5.总结与展望 | 第57-59页 |
| 5.1 全文总结 | 第57页 |
| 5.2 未来工作展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 研究生期间主要成果 | 第65页 |
