基于视频流的人体目标检测与行为识别研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 1. 绪论 | 第13-20页 |
| ·研究的背景及意义 | 第13-15页 |
| ·关键技术的研究现状及发展趋势 | 第15-18页 |
| ·研究现状 | 第15-17页 |
| ·发展趋势 | 第17-18页 |
| ·本文研究的主要内容及思路 | 第18页 |
| ·本文的结构安排 | 第18-20页 |
| 2. 视频运动目标分析的关键技术综述 | 第20-37页 |
| ·引言 | 第20-21页 |
| ·运动目标检测算法综述 | 第21-28页 |
| ·运动目标检测算法的分类 | 第21-28页 |
| ·运动目标检测的难点 | 第28页 |
| ·运动目标跟踪算法综述 | 第28-32页 |
| ·目标跟踪问题的思路和算法分类 | 第29-31页 |
| ·目标跟踪问题的难点 | 第31-32页 |
| ·行为识别算法综述 | 第32-36页 |
| ·人体行为识别算法的分类 | 第32-35页 |
| ·人体行为识别算法的难点 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 3. 目标检测与定位 | 第37-59页 |
| ·引言 | 第37页 |
| ·基于像素统计分类的视频流目标检测算法 | 第37-53页 |
| ·背景建模 | 第38-42页 |
| ·目标检测算法过程 | 第42-45页 |
| ·数学形态学处理 | 第45-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·基于链码标定的圆检测算法 | 第53-57页 |
| ·图像二值化-Otsu法 | 第53-55页 |
| ·基于链码的圆标定 | 第55-56页 |
| ·实验结果与分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 4. 基于视频流的运动目标跟踪 | 第59-84页 |
| ·引言 | 第59页 |
| ·融合角点特征的视频多目标跟踪算法 | 第59-69页 |
| ·改进的Harris角点检测算法 | 第60-61页 |
| ·跟踪算法细节 | 第61-65页 |
| ·实验结果与分析 | 第65-69页 |
| ·基于质心加权的Kalman滤波跟踪算法 | 第69-83页 |
| ·基于Mean Shift的目标跟踪算法 | 第70-75页 |
| ·质心加权算法的原理 | 第75-76页 |
| ·融合质心加权的Kalman滤波跟踪算法 | 第76-80页 |
| ·实验结果与分析 | 第80-83页 |
| ·本章小结 | 第83-84页 |
| 5. 人体目标识别与分析 | 第84-115页 |
| ·引言 | 第84页 |
| ·图像特征的选择与分析 | 第84-90页 |
| ·特征选择 | 第84-85页 |
| ·特征表征 | 第85-87页 |
| ·相似性度量 | 第87-90页 |
| ·基于LBP算子与EMD的人脸识别算法 | 第90-101页 |
| ·人脸光照处理方法 | 第90-96页 |
| ·局部二元模式(LBP) | 第96-97页 |
| ·识别算法 | 第97-100页 |
| ·实验结果与分析 | 第100-101页 |
| ·基于时空兴趣点的人体行为识别算法 | 第101-113页 |
| ·时空特征的提取与表示 | 第103-104页 |
| ·特征分类与数据降维 | 第104-108页 |
| ·运动识别 | 第108-109页 |
| ·行为分析实验 | 第109-113页 |
| ·本章小结 | 第113-115页 |
| 6. 总结与展望 | 第115-118页 |
| ·工作总结 | 第115-116页 |
| ·未来展望 | 第116-118页 |
| 参考文献 | 第118-134页 |
| 攻读博士学位期间发表的论文及所取得的研究成果 | 第134-136页 |
| 致谢 | 第136页 |
