基于部件模型的攀爬行为检测算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 研究难点 | 第12-14页 |
| 1.3 本文的研究内容和研究方法 | 第14-15页 |
| 1.4 论文的主要章节安排 | 第15-16页 |
| 第二章 系统相关理论和技术 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 特征提取 | 第16-20页 |
| 2.2.1 HOG特征 | 第17-19页 |
| 2.2.2 特征金字塔 | 第19-20页 |
| 2.3 色彩空间 | 第20-21页 |
| 2.3.1 RGB空间 | 第20页 |
| 2.3.2 XYZ空间 | 第20-21页 |
| 2.3.3 LUV空间 | 第21页 |
| 2.4 支持向量机 | 第21-26页 |
| 2.4.1 线性分类器 | 第22-23页 |
| 2.4.2 求最优解 | 第23-24页 |
| 2.4.3 特征映射 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于部件模型及颜色信息的人体检测 | 第27-46页 |
| 3.1 引言 | 第27页 |
| 3.2 可变形部件模型 | 第27-34页 |
| 3.2.1 可变形部件模型结构 | 第28-30页 |
| 3.2.2 可变形部件模型的训练过程 | 第30-33页 |
| 3.2.3 可变形部件模型的检测过程 | 第33-34页 |
| 3.3 颜色特征的提取 | 第34-36页 |
| 3.3.1 Cell直方图计算 | 第34-36页 |
| 3.3.2 最大值池化 | 第36页 |
| 3.4 基于多决策的人体检测 | 第36-38页 |
| 3.5 实验结果和分析 | 第38-45页 |
| 3.5.1 INRIA数据库 | 第38-39页 |
| 3.5.2 评判标准 | 第39-40页 |
| 3.5.3 性能评价与分析 | 第40-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 攀爬检测系统的设计与开发 | 第46-57页 |
| 4.1 引言 | 第46页 |
| 4.2 基于高斯混合模型的运动检测模块 | 第46-49页 |
| 4.2.1 高斯混合模型 | 第46-47页 |
| 4.2.2 提取运动区域 | 第47-49页 |
| 4.3 人体检测模块 | 第49-51页 |
| 4.4 攀爬行为识别模块 | 第51-53页 |
| 4.5 攀爬监控系统的实现 | 第53-56页 |
| 4.5.1 系统流程 | 第53-54页 |
| 4.5.2 开发环境介绍及实验结果 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士研究生期间参与的科研项目 | 第65页 |
