| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-18页 |
| ·课题研究的背景与意义 | 第9-10页 |
| ·智能视频监控的应用背景 | 第9-10页 |
| ·智能视频监控系统中人体行为识别的研究意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11页 |
| ·概述 | 第11-15页 |
| ·运动目标的检测与较精确分割 | 第11-12页 |
| ·人体行为的特征提取 | 第12-13页 |
| ·人体行为识别 | 第13-15页 |
| ·关键技术和主要工作 | 第15-18页 |
| 第二章 运动人体目标的检测与分割 | 第18-26页 |
| ·引言 | 第18页 |
| ·运动人体目标检测 | 第18-22页 |
| ·自适应背景模型的提取方法 | 第18-19页 |
| ·背景差分法 | 第19页 |
| ·阈值选取方法 | 第19-20页 |
| ·基于背景差分法的人体目标检测 | 第20-21页 |
| ·图像后处理 | 第21-22页 |
| ·运动人体目标检测实验结果与分析 | 第22页 |
| ·运动人体目标的归一化分割 | 第22-24页 |
| ·基于轮廓质心的运动人体目标分割 | 第22-23页 |
| ·分割后的运动目标的归一化 | 第23页 |
| ·实验结果与分析 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 人体行为的特征提取 | 第26-32页 |
| ·引言 | 第26页 |
| ·主分量分析PCA外形特征提取 | 第26-30页 |
| ·主分量分析PCA方法简介 | 第26-27页 |
| ·基于PCA的人体行为动作图像特征提取 | 第27-28页 |
| ·实验结果与分析 | 第28-30页 |
| ·运动速度特征提取 | 第30-31页 |
| ·运动速度特征与外形PCA特征相结合 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于支持向量机的人体行为识别 | 第32-40页 |
| ·引言 | 第32页 |
| ·支持向量机介绍 | 第32-36页 |
| ·支持向量机理论简介 | 第32-33页 |
| ·两类支持向量机的介绍 | 第33-36页 |
| ·多类支持向量机的构造 | 第36页 |
| ·基于多类支持向量机的人体行为识别的实验步骤 | 第36-37页 |
| ·实验结果分析与比较 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于隐马尔科夫的人体行为识别 | 第40-53页 |
| ·引言 | 第40页 |
| ·隐马尔科夫模型相关理论 | 第40-44页 |
| ·隐马尔可夫模型的数学描述 | 第40页 |
| ·HMM的类型 | 第40-41页 |
| ·HMM的几个问题及经典算法 | 第41-44页 |
| ·基于隐马尔科夫的行为建模 | 第44-45页 |
| ·隐马尔科夫模型的观察符号的提取 | 第45-48页 |
| ·矢量量化的过程 | 第45页 |
| ·码书设计方法-LBG算法 | 第45-46页 |
| ·初始码本的生成 | 第46-47页 |
| ·矢量量化的失真测度 | 第47页 |
| ·存在的问题及解决方案 | 第47页 |
| ·码本的提取 | 第47页 |
| ·观察符号的提取 | 第47-48页 |
| ·基于隐马尔科夫的人体行为模型的训练 | 第48-50页 |
| ·状态数的选取 | 第48页 |
| ·初始模型的选取 | 第48-49页 |
| ·HMM模型训练 | 第49-50页 |
| ·基于隐马尔科夫的人体行为模型的识别 | 第50页 |
| ·实验结果分析与比较 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第六章 基于支持向量机与隐马尔科夫融合的人体行为识别 | 第53-58页 |
| ·引言 | 第53页 |
| ·多分类器融合的基本原理 | 第53-55页 |
| ·多分类器融合的必要性 | 第53-54页 |
| ·多分类器融合的体系结构 | 第54-55页 |
| ·分类器融合的类型 | 第55页 |
| ·支持向量机与隐马尔科夫的融合 | 第55-56页 |
| ·实验结果与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 总结和展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 作者在攻读硕士期间主要研究成果 | 第66页 |