基于人工神经网络的人体行为识别技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 智能视频监控系统的构成 | 第19-20页 |
| 1.4 课题来源 | 第20页 |
| 1.5 论文结构安排 | 第20-22页 |
| 第二章 相关技术介绍 | 第22-54页 |
| 2.1 静态图像与运动图像分割相关技术 | 第22-35页 |
| 2.1.1 基于静态图像的分割技术 | 第22-32页 |
| 2.1.2 基于运动图像的分割技术 | 第32-35页 |
| 2.2 特征提取相关技术 | 第35-40页 |
| 2.2.1 特征提取的一般原则 | 第36页 |
| 2.2.2 特征提取常用的统计特征 | 第36-37页 |
| 2.2.3 主成分分析法 | 第37-40页 |
| 2.3 机器学习与人工神经网络模型 | 第40-53页 |
| 2.3.1 机器学习概述 | 第40-41页 |
| 2.3.2 人工神经网络 | 第41-53页 |
| 2.4 本章小结 | 第53-54页 |
| 第三章 图像分割改进方法的提出与实现 | 第54-60页 |
| 3.1 传统图像分割方法的优缺点分析 | 第54页 |
| 3.2 背景差分改进算法的提出与实现 | 第54-55页 |
| 3.3 Weizmann视频数据库的引入 | 第55-57页 |
| 3.4 Weizmann视频图像的分割 | 第57-59页 |
| 3.5 本章小结 | 第59-60页 |
| 第四章 目标特征提取与分类器的构建及实现 | 第60-68页 |
| 4.1 基于主成分分析的人体特征提取与降维 | 第60-62页 |
| 4.2 系统总体描述 | 第62页 |
| 4.3 系统设计要点 | 第62页 |
| 4.4 动作分类器的人工神经网络结构图 | 第62-63页 |
| 4.5 反向传播算法流程 | 第63-65页 |
| 4.6 系统实现与测试 | 第65-67页 |
| 4.6.1 系统实现 | 第65页 |
| 4.6.2 系统测试 | 第65-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68页 |
| 5.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |
