基于双目视觉的人体行为分析技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 本文的研究背景和意义 | 第8-9页 |
| 1.2 本文的研究现状 | 第9-11页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 目前研究存在的技术难点 | 第10-11页 |
| 1.3 本文研究内容和研究方法 | 第11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 基于双目视觉的立体匹配与深度信息获取 | 第13-32页 |
| 2.1 引言 | 第13页 |
| 2.2 基于双目视觉的立体匹配与深度信息获取 | 第13-14页 |
| 2.3 双目摄像机标定 | 第14-17页 |
| 2.3.1 原理分析 | 第14-15页 |
| 2.3.2 双目标定方法 | 第15-17页 |
| 2.3.3 实验步骤 | 第17页 |
| 2.4 运动目标检测 | 第17-22页 |
| 2.4.1 几种常见检测算法的比较与分析 | 第17-19页 |
| 2.4.2 图像预处理 | 第19页 |
| 2.4.3 基于改进的混合高斯模型的背景差分法 | 第19-21页 |
| 2.4.4 实验结果与分析 | 第21-22页 |
| 2.5 基于人体边缘信息的立体匹配算法 | 第22-27页 |
| 2.5.1 匹配边缘信息的选取 | 第22-23页 |
| 2.5.2 立体匹配算法原理 | 第23-25页 |
| 2.5.3 立体匹配算法步骤 | 第25-26页 |
| 2.5.4 区域匹配优化 | 第26-27页 |
| 2.6 三维信息获取 | 第27-29页 |
| 2.7 实验结果与分析 | 第29-31页 |
| 2.8 本章小结 | 第31-32页 |
| 第三章 基于卷积神经网络的的人体行为分析 | 第32-47页 |
| 3.1 引言 | 第32页 |
| 3.2 基于卷积神经网络的的人体行为分析 | 第32-33页 |
| 3.3 CNN网络结构 | 第33-35页 |
| 3.4 CNN的工作原理 | 第35-36页 |
| 3.5 训练深度神经网络 | 第36-40页 |
| 3.5.1 归一化数据 | 第36-37页 |
| 3.5.2 激励函数 | 第37-38页 |
| 3.5.3 学习率 | 第38-39页 |
| 3.5.4 梯度下降法 | 第39-40页 |
| 3.6 双目视觉下的人体行为分析 | 第40-42页 |
| 3.6.1 原理分析 | 第40-41页 |
| 3.6.2 基于小样本的卷积神经网络行为分析 | 第41-42页 |
| 3.7 实验结果与分析 | 第42-46页 |
| 3.8 本章小结 | 第46-47页 |
| 第四章 总结与展望 | 第47-49页 |
| 4.1 本文工作总结 | 第47页 |
| 4.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |
