视频数据中人体动作识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-12页 |
| ·人体动作识别的研究背景和意义 | 第7页 |
| ·人体动作识别研究现状 | 第7-9页 |
| ·主要研究方法 | 第7-8页 |
| ·主要面临的挑战 | 第8-9页 |
| ·公开数据库 | 第9-10页 |
| ·Weizmann人体动作数据库 | 第9-10页 |
| ·KTH人体运动数据库 | 第10页 |
| ·其他数据库 | 第10页 |
| ·本文的研究内容与论文结构 | 第10-12页 |
| 2 预处理方法介绍 | 第12-20页 |
| ·背景减除法 | 第12-16页 |
| ·简单的背景减除法 | 第13页 |
| ·混合高斯模型方法 | 第13-14页 |
| ·ViBe方法 | 第14-16页 |
| ·光流法 | 第16-17页 |
| ·实验结果 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 3 基于3D ZERNIKE矩的人体动作识别 | 第20-26页 |
| ·3D ZERNIKE矩提取整体特征 | 第20-21页 |
| ·支持向量机分类方法 | 第21-23页 |
| ·实验与结果分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 4 基于分块稀疏表示的人体动作识别 | 第26-44页 |
| ·稀疏表示概述 | 第26-29页 |
| ·稀疏分解方法 | 第29-31页 |
| ·匹配追踪算法 | 第29-30页 |
| ·正交匹配追踪算法 | 第30-31页 |
| ·字典学习方法 | 第31-35页 |
| ·K-SVD字典学习算法 | 第31-33页 |
| ·在线字典学习算法 | 第33-35页 |
| ·分块稀疏表示方法 | 第35-38页 |
| ·使用稀疏表示方法以及进行分块的原因 | 第35页 |
| ·分块稀疏表示方法流程 | 第35-36页 |
| ·相似度比较方法的选择 | 第36-38页 |
| ·实验与结果分析 | 第38-42页 |
| ·本章小结 | 第42-44页 |
| 5 基于SRC方法的人体动作识别 | 第44-52页 |
| ·基于稀疏表示的分类方法(SRC) | 第44-46页 |
| ·本文的实验方法 | 第46-47页 |
| ·实验与结果分析 | 第47-50页 |
| ·本文方法和相关文献方法的比较分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·未来工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60页 |
