基于视频流的异常人体行为分析
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·人体行为分析研究现状 | 第11-13页 |
| ·人体行为分析研究框架 | 第13页 |
| ·论文主要研究内容 | 第13-14页 |
| ·论文组织架构 | 第14-16页 |
| 第2章 运动人体检测概述 | 第16-28页 |
| ·视频流中运动人体检测 | 第16-20页 |
| ·背景减除法 | 第16-17页 |
| ·帧间差分法 | 第17-18页 |
| ·光流法 | 第18-19页 |
| ·运动目标检测算法对比 | 第19-20页 |
| ·高斯背景建模 | 第20-21页 |
| ·背景建模 | 第20-21页 |
| ·背景模型更新 | 第21页 |
| ·图像阴影处理方法 | 第21-24页 |
| ·图像预处理技术 | 第24-26页 |
| ·数学形态学处理 | 第24-25页 |
| ·图像空洞处理 | 第25页 |
| ·图像滤波处理 | 第25-26页 |
| ·实验分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 运动人体跟踪研究 | 第28-42页 |
| ·目标跟踪分类 | 第28-31页 |
| ·视频跟踪算法分类 | 第28-29页 |
| ·目标描述方法分类 | 第29-31页 |
| ·粒子滤波算法研究 | 第31-35页 |
| ·粒子滤波算法原理 | 第31-32页 |
| ·贝叶斯滤波原理 | 第32-33页 |
| ·蒙特卡罗采样 | 第33页 |
| ·贝叶斯重要性采样 | 第33-34页 |
| ·序贯重要性采样 | 第34-35页 |
| ·粒子滤波存在的问题 | 第35-36页 |
| ·改进粒子滤波算法框架 | 第36-37页 |
| ·相关算法仿真分析 | 第37-38页 |
| ·基于区域颜色特征的跟踪 | 第38-40页 |
| ·实验分析 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 骨架行为识别方法研究 | 第42-60页 |
| ·基于骨架模型的方法 | 第42-43页 |
| ·常用骨架提取算法 | 第43-47页 |
| ·形态学细化算法 | 第43-44页 |
| ·Hilditch 细化算法 | 第44页 |
| ·OPTA 算法 | 第44-45页 |
| ·Zhang 快速并行算法 | 第45-47页 |
| ·运动目标分类研究 | 第47-49页 |
| ·提取骨架实验演示 | 第49-50页 |
| ·改进人体关节点骨架模型 | 第50-51页 |
| ·骨架关节点定位 | 第51-53页 |
| ·人体关键点映射 | 第53页 |
| ·建立人体参数方程 | 第53-56页 |
| ·根据人体参数模型判定行为状态 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第5章 人体异常行为分析 | 第60-68页 |
| ·人体异常分析常用方法 | 第60-61页 |
| ·基于模糊理论的异常行为识别研究 | 第61-64页 |
| ·基于运动轨迹的异常行为识别研究 | 第64-67页 |
| ·轨迹描述方法分类 | 第64-66页 |
| ·视频图像序列轨迹生成 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 未来展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表论文与研究成果清单 | 第74-75页 |
| 致谢 | 第75页 |
