基于关节点的人体动作识别及姿态分析研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 计算机视觉概述 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-15页 |
| 1.3 人体动作识别面临的问题 | 第15-16页 |
| 1.4 本文研究内容 | 第16页 |
| 1.5 本文结构安排 | 第16-18页 |
| 第二章 人体动作识别方法综述 | 第18-26页 |
| 2.1 运动目标检测 | 第18-20页 |
| 2.1.1 图像分割基本知识 | 第18-19页 |
| 2.1.2 光流法 | 第19页 |
| 2.1.3 能量最小化法 | 第19-20页 |
| 2.2 运动人体跟踪 | 第20-22页 |
| 2.2.1 特征提取 | 第20页 |
| 2.2.2 特征跟踪 | 第20-22页 |
| 2.3 人体动作识别 | 第22-25页 |
| 2.3.1 直接分类法 | 第22-23页 |
| 2.3.2 模板法 | 第23-24页 |
| 2.3.3 状态空间法 | 第24-25页 |
| 2.3.4 其它方法 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 前景目标检测 | 第26-37页 |
| 3.1 前景检测常用方法 | 第26-29页 |
| 3.1.1 背景差分法 | 第26-28页 |
| 3.1.2 帧间差分法 | 第28-29页 |
| 3.2 基于阈值差分的前景提取算法 | 第29-32页 |
| 3.2.1 背景建模 | 第29-30页 |
| 3.2.2 形态学处理 | 第30-31页 |
| 3.2.3 实验结果 | 第31-32页 |
| 3.3 基于漫水填充种子的背景建模算法 | 第32-35页 |
| 3.3.1 获取帧差图像 | 第32-33页 |
| 3.3.2 漫水填充算法 | 第33-34页 |
| 3.3.3 更新背景模型 | 第34页 |
| 3.3.4 实验结果 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 人体关节点提取及跟踪 | 第37-50页 |
| 4.1 人体骨骼化 | 第37-40页 |
| 4.1.1 距离变换法 | 第38-39页 |
| 4.1.2 八邻域法 | 第39-40页 |
| 4.2 基于多特征的关节点自动初始化方法 | 第40-45页 |
| 4.2.1 长度比例约束 | 第41-42页 |
| 4.2.2 索引查找表 | 第42-43页 |
| 4.2.3 实验结果及精度分析 | 第43-45页 |
| 4.3 基于光流的特征跟踪方法 | 第45-49页 |
| 4.3.1 Lucas-Kanade跟踪算法 | 第45-46页 |
| 4.3.2 Kalman滤波算法 | 第46-47页 |
| 4.3.3 实验结果及精度分析 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 动作识别及姿态分析 | 第50-61页 |
| 5.1 基于K近邻算法的人体动作识别 | 第50-53页 |
| 5.1.1 K近邻分类器 | 第50-51页 |
| 5.1.2 实验结果及相似度评价 | 第51-53页 |
| 5.2 人体三维姿态分析 | 第53-60页 |
| 5.2.1 摄像机投影模型 | 第54-55页 |
| 5.2.2 比例正交投影模型 | 第55-58页 |
| 5.2.3 实验结果及姿态分析 | 第58-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 本文工作总结 | 第61页 |
| 6.2 未来研究展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文目录 | 第78页 |
