| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第12-24页 |
| 1.1 研究的背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 研究现状概述 | 第14-16页 |
| 1.2.2 国外研究现状 | 第16-18页 |
| 1.2.3 国内研究现状 | 第18-19页 |
| 1.3 研究内容及章节结构 | 第19-24页 |
| 1.3.1 本文研究内容 | 第19-21页 |
| 1.3.2 本文章节结构 | 第21-24页 |
| 第2章 基于HMM的视频人体行为识别相关理论 | 第24-38页 |
| 2.1 图像预处理 | 第24-28页 |
| 2.1.1 图像灰度化处理 | 第24-25页 |
| 2.1.2 中值滤波处理 | 第25-26页 |
| 2.1.3 运动检测 | 第26-27页 |
| 2.1.4 图像二值化 | 第27-28页 |
| 2.1.5 形态学处理和区域连通性分析 | 第28页 |
| 2.2 K-means聚类算法 | 第28-29页 |
| 2.2.1 K-means聚类算法的原理 | 第28-29页 |
| 2.2.2 K-means聚类算法的步骤 | 第29页 |
| 2.3 隐马尔科夫模型HMM | 第29-36页 |
| 2.3.1 HMM的定义 | 第30-31页 |
| 2.3.2 HMM的假设 | 第31-33页 |
| 2.3.3 HMM相关问题及算法 | 第33-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第3章 融合MIK-means的关键帧提取算法 | 第38-52页 |
| 3.1 K-means聚类算法提取关键帧 | 第38-42页 |
| 3.1.1 关键帧提取的K-means聚类算法 | 第38-40页 |
| 3.1.2 关键帧提取的K-means聚类算法分析 | 第40-42页 |
| 3.2 关键帧的预提取 | 第42-47页 |
| 3.2.1 人体轮廓提取 | 第42-43页 |
| 3.2.2 帧间相似度判断 | 第43-45页 |
| 3.2.3 二次采样时域检测 | 第45-47页 |
| 3.3 MIK-means聚类算法提取关键帧 | 第47-51页 |
| 3.3.1 MIK-means聚类算法 | 第47-48页 |
| 3.3.2 MIK-means聚类算法的提取关键帧 | 第48-50页 |
| 3.3.3 MIK-means聚类算法降低时间复杂度 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于N-SCHMM模型的人体行为识别算法 | 第52-66页 |
| 4.1 人体特征的符号序列 | 第52-56页 |
| 4.1.1 网格化特征 | 第52-54页 |
| 4.1.2 建立码表 | 第54-55页 |
| 4.1.3 矢量量化 | 第55-56页 |
| 4.2 N-SCHMM模型 | 第56-61页 |
| 4.2.1 HMM用于人体行为识别的分析 | 第56-57页 |
| 4.2.2 N-SCHMM的模型结构 | 第57-59页 |
| 4.2.3 N-SCHMM的转移概率 | 第59页 |
| 4.2.4 N-SCHMM的输出概率 | 第59-60页 |
| 4.2.5 N-SCHMM的初始状态概率 | 第60-61页 |
| 4.3 N-SCHMM模型用于人体行为的训练和识别 | 第61-65页 |
| 4.3.1 参数训练中转移状态的改进 | 第61-62页 |
| 4.3.2 参数训练中权重的引入 | 第62-64页 |
| 4.3.3 人体行为识别 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 实验结果分析与测试 | 第66-76页 |
| 5.1 实验设置 | 第66-68页 |
| 5.1.1 实验硬件和软件环境 | 第66页 |
| 5.1.2 实验数据集介绍 | 第66-68页 |
| 5.2 基于N-SCHMM的人体行为识别 | 第68-69页 |
| 5.3 关键帧提取算法的实验与分析 | 第69-70页 |
| 5.4 基于N-SCHMM人体行为识别算法的实验与分析 | 第70-74页 |
| 5.4.1 N-SCHM模型识别行为的实验与分析 | 第70-73页 |
| 5.4.2 N-SCHMM模型最优状态数目的实验与分析 | 第73-74页 |
| 5.4.3 权重系数选择的实验与分析 | 第74页 |
| 5.5 本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-80页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-85页 |
