基于视频图像的人体异常行为识别技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究的背景及意义 | 第9页 |
| ·国内外研究现状概述 | 第9-12页 |
| ·运动目标检测的研究现状 | 第10-11页 |
| ·运动目标分类的研究现状 | 第11页 |
| ·运动目标跟踪的研究现状 | 第11页 |
| ·特征提取与运动描述的研究现状 | 第11-12页 |
| ·人体行为分析的研究现状 | 第12页 |
| ·本文研究的主要内容 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| 2 视频序列中的运动目标检测 | 第14-22页 |
| ·基于混合高斯模型的运动目标检测方法 | 第14-18页 |
| ·混合高斯模型 | 第14-15页 |
| ·贝叶斯判定 | 第15-17页 |
| ·自适应学习机制 | 第17-18页 |
| ·结合空间邻域相关性的运动目标检测方法 | 第18-20页 |
| ·图像后处理 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 视频序列中的运动目标跟踪 | 第22-31页 |
| ·卡尔曼滤波器 | 第22-24页 |
| ·卡尔曼滤波器的基本原理 | 第22-23页 |
| ·卡尔曼滤波器的参数选择 | 第23-24页 |
| ·基于卡尔曼滤波器的运动目标跟踪方法 | 第24-29页 |
| ·运动目标的特征提取 | 第24-25页 |
| ·运动目标区域的预测估计 | 第25-27页 |
| ·运动目标的匹配搜索 | 第27-29页 |
| ·实验结果及分析 | 第29页 |
| ·本章小结 | 第29-31页 |
| 4 特征提取与运动描述 | 第31-41页 |
| ·运动人体检测 | 第31-32页 |
| ·运动周期分析 | 第32-35页 |
| ·运动描述 | 第35-38页 |
| ·特征降维 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 5 隐马尔可夫模型及其在人体行为识别中的应用 | 第41-50页 |
| ·隐马尔可夫模型的定义 | 第41页 |
| ·隐马尔可夫模型的基本算法 | 第41-44页 |
| ·前向后向算法 | 第41-42页 |
| ·Viterbi 算法 | 第42-43页 |
| ·Baum-Welch 算法 | 第43-44页 |
| ·三个基本算法的关系 | 第44页 |
| ·连续隐马尔可夫模型 | 第44-45页 |
| ·连续隐马尔可夫模型算法实现中的问题 | 第45-49页 |
| ·参数选择及初始化 | 第45-46页 |
| ·多个观察值序列训练算法 | 第46-49页 |
| ·连续隐马尔可夫模型在人体行为识别中的应用 | 第49页 |
| ·本章小结 | 第49-50页 |
| 6 人体异常行为识别技术 | 第50-62页 |
| ·人体异常行为识别技术一 | 第50-56页 |
| ·人体入侵检测 | 第51页 |
| ·接近目标检测 | 第51-52页 |
| ·行人计数检测 | 第52-53页 |
| ·徘徊行为检测 | 第53-56页 |
| ·人体异常行为识别技术二 | 第56-61页 |
| ·基于单状态隐马尔可夫模型的人体行为识别方法 | 第57-58页 |
| ·实验结果及分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 7 工作总结与展望 | 第62-64页 |
| ·工作总结 | 第62-63页 |
| ·工作展望 | 第63-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 附录 | 第72页 |
