| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状和发展趋势 | 第9-13页 |
| 1.2.1 行为识别的现状和趋势 | 第9-11页 |
| 1.2.2 特征提取的现状 | 第11页 |
| 1.2.3 特征提取存在的问题 | 第11-12页 |
| 1.2.4 识别算法的现状 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-14页 |
| 第2章 老人监护系统概述 | 第14-20页 |
| 2.1 视频采集模块 | 第14-15页 |
| 2.2 人体目标检测模块 | 第15-17页 |
| 2.2.1 均值背景模型 | 第16页 |
| 2.2.2 码本背景模型 | 第16-17页 |
| 2.3 特征参数提取模块 | 第17-18页 |
| 2.4 姿态和动作识别模块 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 特征的选择和提取 | 第20-28页 |
| 3.1 常用几何形状特征 | 第20-23页 |
| 3.2 矩特征 | 第23-25页 |
| 3.2.1 几何矩的概念和计算 | 第23-24页 |
| 3.2.2 中心矩的物理意义 | 第24-25页 |
| 3.2.3 归一化中心矩 | 第25页 |
| 3.3 傅里叶描述子 | 第25-27页 |
| 3.3.1 傅里叶描述子概述 | 第25-26页 |
| 3.3.2 傅里叶描述子的提取 | 第26-27页 |
| 3.4 特征向量构成 | 第27页 |
| 3.5 本章小结 | 第27-28页 |
| 第4章 姿态和动作识别 | 第28-48页 |
| 4.1 支持向量机分类器 | 第28-35页 |
| 4.1.1 支持向量机原理 | 第28-34页 |
| 4.1.2 支持向量机的运用 | 第34-35页 |
| 4.2 隐马尔科夫模型 | 第35-45页 |
| 4.2.1 马尔可夫模型 | 第35-37页 |
| 4.2.2 隐马尔科夫模型 | 第37-38页 |
| 4.2.3 隐马尔科夫模型的三个问题 | 第38-39页 |
| 4.2.4 隐马尔科夫模型在老人监护识别系统中的应用 | 第39页 |
| 4.2.5 特征向量量化算法设计 | 第39-43页 |
| 4.2.6 隐马尔科夫模型参数训练 | 第43-44页 |
| 4.2.7 隐马尔科夫模型行为识别 | 第44-45页 |
| 4.3 实验结果分析 | 第45-47页 |
| 4.3.1 SVM实验分析 | 第45-47页 |
| 4.3.2 HMM实验分析 | 第47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第53-55页 |
| 致谢 | 第55页 |