基于运动特征与形状特征的人体动作识别系统
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 人体动作识别概述 | 第12-16页 |
| 1.3.1 运动人体检测 | 第13页 |
| 1.3.2 运动目标特征选择与提取 | 第13-14页 |
| 1.3.3 人体动作识别 | 第14-15页 |
| 1.3.4 人体动作识别的难点 | 第15-16页 |
| 1.4 本文研究内容和结构安排 | 第16-17页 |
| 1.4.1 课题研究内容 | 第16-17页 |
| 1.4.2 本文结构安排 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 视频图像预处理 | 第18-24页 |
| 2.1 引言 | 第18-19页 |
| 2.2 图像灰度化 | 第19-20页 |
| 2.3 图像二值化 | 第20页 |
| 2.4 噪声消除 | 第20-21页 |
| 2.5 数学形态学处理 | 第21-23页 |
| 2.5.1 腐蚀运算与膨胀运算 | 第21-22页 |
| 2.5.2 开运算与闭运算 | 第22-23页 |
| 2.6 目标表示 | 第23页 |
| 2.7 本章小结 | 第23-24页 |
| 3 基于改进混合高斯背景模型的运动目标检测 | 第24-36页 |
| 3.1 引言 | 第24页 |
| 3.2 目标检测基本方法 | 第24-28页 |
| 3.2.1 光流法 | 第24-25页 |
| 3.2.2 帧间差分法 | 第25-26页 |
| 3.2.3 背景差分法 | 第26-28页 |
| 3.3 高斯背景建模 | 第28-31页 |
| 3.3.1 单高斯模型 | 第28-29页 |
| 3.3.2 混合高斯模型背景建模 | 第29-31页 |
| 3.4 改进混合高斯背景模型算法 | 第31-33页 |
| 3.5 实验结果分析 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 4 人体动作特征选择与提取 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 运动特征提取 | 第36-38页 |
| 4.2.1 hu矩 | 第36-37页 |
| 4.2.2 运动目标的质心特征 | 第37-38页 |
| 4.2.3 运动目标的速度特征 | 第38页 |
| 4.3 形状特征提取 | 第38-40页 |
| 4.3.1 紧密度 | 第38-39页 |
| 4.3.2 运动目标外接矩形宽高 | 第39-40页 |
| 4.4 实验结果和分析 | 第40-48页 |
| 4.4.1 运动人体轮廓图 | 第40-41页 |
| 4.4.2 运动特征与速度特征提取实验 | 第41-48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 人体动作识别 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 支持向量机 | 第50-54页 |
| 5.2.1 最优分类超平面 | 第50-53页 |
| 5.2.2 核函数 | 第53-54页 |
| 5.2.3 多类支持向量机 | 第54页 |
| 5.3 实验内容与结果分析 | 第54-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6 人体动作识别系统设计与实现 | 第60-66页 |
| 6.1 引言 | 第60页 |
| 6.2 系统软件整体架构 | 第60-62页 |
| 6.2.1 系统软件设计 | 第60页 |
| 6.2.2 系统实现步骤 | 第60-62页 |
| 6.3 系统运行测试结果 | 第62-64页 |
| 6.4 本章小结 | 第64-66页 |
| 7 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-73页 |
