基于计算机视觉的人体运动检测与姿态识别的算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10-12页 |
| 1.2 智能视频监控系统国内外研究现状 | 第12-14页 |
| 1.3 论文的主要研究内容 | 第14-16页 |
| 第二章 视频运动目标分析技术 | 第16-24页 |
| 2.1 运动目标检测技术 | 第17-20页 |
| 2.1.1 运动目标检测算法分类 | 第17-19页 |
| 2.1.2 运动目标检测难点 | 第19-20页 |
| 2.2 人体姿态识别技术 | 第20-22页 |
| 2.2.1 人体姿态识别技术分类 | 第20-21页 |
| 2.2.2 人体姿态识别算法分类 | 第21页 |
| 2.2.3 人体姿态识别难点 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 运动目标检测算法研究 | 第24-40页 |
| 3.1 视频图像预处理 | 第24-30页 |
| 3.1.1 彩色图像灰度化 | 第24-26页 |
| 3.1.2 图像滤波 | 第26-30页 |
| 3.2 经典背景建模算法 | 第30-32页 |
| 3.2.1 均值或中值滤波法 | 第30页 |
| 3.2.2 非参数模型 | 第30页 |
| 3.2.3 单高斯模型 | 第30-31页 |
| 3.2.4 混合高斯模型 | 第31-32页 |
| 3.3 帧间差分法 | 第32页 |
| 3.4 朗斯基函数 | 第32-33页 |
| 3.5 基于朗斯基函数的混合高斯背景建模算法 | 第33-35页 |
| 3.6 数学形态学处理 | 第35-36页 |
| 3.7 实验结果与分析 | 第36-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第四章 基于多特征融合的人体姿态特征描述 | 第40-46页 |
| 4.1 姿态特征描述 | 第40-41页 |
| 4.1.1 人体姿态识别技术概述 | 第40页 |
| 4.1.2 基于多特征融合的姿态模型 | 第40-41页 |
| 4.2 前景目标预处理 | 第41-42页 |
| 4.2.1 双阈值分割 | 第41-42页 |
| 4.2.2 目标归一化 | 第42页 |
| 4.3 姿态特征提取 | 第42-45页 |
| 4.3.1 八星模型 | 第42-43页 |
| 4.3.2 八星角度 | 第43-44页 |
| 4.3.3 离心率 | 第44-45页 |
| 4.3.4 多特征融合的姿态描述算子 | 第45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于SVM的人体姿态识别与系统实现 | 第46-64页 |
| 5.1 SVM原理 | 第46-50页 |
| 5.1.1 统计学习理论基础 | 第46-48页 |
| 5.1.2 SVM最大间隔原则 | 第48-49页 |
| 5.1.3 核函数 | 第49-50页 |
| 5.1.4 多类分类器 | 第50页 |
| 5.2 图像相似度 | 第50-54页 |
| 5.2.1 图像相似度算法分类 | 第50-51页 |
| 5.2.2 基于像素灰度相关的相似度算法 | 第51-52页 |
| 5.2.2.1 图像灰度直方图 | 第51页 |
| 5.2.2.2 图像直方图相似性度量 | 第51-52页 |
| 5.2.3 基于边缘直方图的相似度算法 | 第52-54页 |
| 5.3 基于多特征和相似度的人体姿态识别 | 第54-55页 |
| 5.4 识别系统设计 | 第55-58页 |
| 5.4.1 系统功能设计 | 第55-56页 |
| 5.4.2 系统功能实现 | 第56-58页 |
| 5.5 实验结果与分析 | 第58-62页 |
| 5.5.1 实验标准视频库 | 第58-59页 |
| 5.5.2 标准视频库实验结果与分析 | 第59-60页 |
| 5.5.3 自建视频库实验结果与分析 | 第60-62页 |
| 5.6 本章小结 | 第62-64页 |
| 第六章 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间所取得的相关科研成果 | 第70-72页 |
| 致谢 | 第72页 |
