| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 论文背景与意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 人体姿态估计和动作表示 | 第9-11页 |
| 1.2.2 人体运动识别方法 | 第11-12页 |
| 1.2.3 视频中的人体运动信息 | 第12-13页 |
| 1.3 论文主要内容和论文结构 | 第13-16页 |
| 第2章 基础知识 | 第16-26页 |
| 2.1 光流法的基础原理及约束方程 | 第16-17页 |
| 2.2 金字塔光流法 | 第17-22页 |
| 2.2.1 问题的提出 | 第17-18页 |
| 2.2.2 跟踪算法描述 | 第18-20页 |
| 2.2.3 迭代的光流法计算过程 | 第20-22页 |
| 2.3 SVM 支持向量机 | 第22-25页 |
| 2.3.1 最优分类面 | 第22-23页 |
| 2.3.2 线性可分 | 第23-24页 |
| 2.3.3 线性不可分 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 举重视频中目标检测和运动统计分析 | 第26-44页 |
| 3.1 算法总体思路 | 第26-27页 |
| 3.2 举重视频中前景运动目标检测 | 第27-34页 |
| 3.2.1 常用的目标检测方法 | 第27-29页 |
| 3.2.2 基于差分法的举重视频前景区域检测 | 第29-31页 |
| 3.2.3 帧间差分累积的目标检测算法 | 第31-34页 |
| 3.3 举重视频运动统计分析 | 第34-41页 |
| 3.3.1 运动分析的必要性 | 第34页 |
| 3.3.2 光流法分析的缺陷 | 第34-36页 |
| 3.3.3 光流法运动方向通道的建立 | 第36-38页 |
| 3.3.4 光流运动方向统计分析 | 第38-41页 |
| 3.4 实验结果 | 第41-43页 |
| 3.4.1 目标检测的实验结果 | 第41页 |
| 3.4.2 光流方向时空特性分析实验结果 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于 POSELET 的举重运动关键姿态检测 | 第44-62页 |
| 4.1 问题的提出 | 第44-46页 |
| 4.2 基于 poselet 的关键姿态检测算法框架 | 第46-47页 |
| 4.3 图像 HOG((Histogram of Oriented Gradient)特征 | 第47-51页 |
| 4.3.1 矩形梯度直方图描述符 | 第48页 |
| 4.3.2 梯度计算 | 第48-49页 |
| 4.3.3 权值分配 | 第49页 |
| 4.3.4 三线性插值 | 第49-51页 |
| 4.3.5 归一化描述子 | 第51页 |
| 4.4 基于 poselet 的举重运动关键姿态检测实验过程 | 第51-59页 |
| 4.4.1 姿态分类器的训练 | 第51-56页 |
| 4.4.2 关键姿态检测 | 第56-58页 |
| 4.4.3 实验结果 | 第58-59页 |
| 4.5 总结 | 第59-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
