首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于时空分析和多粒度特征表示的人体检测方法研究

摘要第1-7页
Abstract第7-16页
插图第16-22页
表格第22-24页
第1章 绪论第24-52页
   ·课题背景及意义第24-26页
     ·课题来源第24页
     ·理论与实际意义第24-26页
   ·难点问题分析第26-31页
     ·难点问题简介第26-30页
     ·不同应用领域中的难点问题分析第30-31页
   ·人体检测的国内外研究现状及分析第31-45页
     ·依据数据源的分类第32-35页
     ·依据特征类型的分类第35-39页
     ·依据人体表示模型的分类第39-41页
     ·依据辅助信息的分类第41-44页
     ·国内外从事人体检测的研究机构第44-45页
   ·本文的研究内容与章节安排第45-52页
     ·本文研究所针对的问题第45-47页
     ·本文的研究内容第47-49页
     ·本文的主要贡献第49-50页
     ·本文的组织结构第50-52页
第2章 人体的时-空域表示:运动轮廓特征(CMF)第52-67页
   ·引言第52-53页
   ·人体的时-空域表示第53-54页
   ·基于时-空描模型的轮廓运动特征第54-58页
     ·时空体的距离变换第54-55页
     ·基于3维Haar滤波器的轮廓-运动特征提取第55-57页
     ·基于Realboost的特征选择第57-58页
   ·实验与分析第58-66页
     ·基于CMF特征的人体检测第58-64页
     ·基于CMF特征的行为识别第64-66页
   ·本章小结第66-67页
第3章 人体的多粒度特征表示第67-81页
   ·引言第67-68页
   ·GGP特征模型的建立第68-72页
     ·图像解析第69-71页
     ·图像描述第71-72页
   ·GGP特征的实现与计算第72-75页
     ·方向空间划分第72页
     ·GGP 描述子的计算与归一化第72-74页
     ·GGP特征与HOG特征和Edgelet特征的关系第74-75页
   ·实验与分析第75-79页
     ·INRIA上与当前前沿算法的比较实验第76页
     ·对于不同粒度的性能的测试第76-77页
     ·对于不同特征元素的贡献的评测第77-79页
   ·本章小结第79-81页
第4章 时-空域的人体多粒度特征表示第81-109页
   ·引言第81-83页
   ·基于光流梯度场的STGGP描述子(STGGP of)第83-86页
     ·运动人体的光流梯度场表示第84-85页
     ·运动人体的空间梯度场表达第85-86页
     ·STGGP of描述子的计算第86页
   ·基于时空平面的STGGP描述子(STGGP op)第86-89页
     ·运动人体的时空切平面表示第87-88页
     ·STGGP op描述子的计算第88-89页
   ·基于时-空域霍夫变换的STGGP描述子(STGGP 3h)第89-98页
     ·运动人体的3维实体表示模型第89-90页
     ·空间平面的霍夫空间表示第90-92页
     ·时-空域的方向-空间划分第92-94页
     ·STGGP 3h描述子的计算第94-98页
   ·实验与分析第98-107页
     ·基于时空多粒度描述子的人体检测第98-102页
     ·基于时空多粒度描述子的行为识别第102-107页
   ·本章小结第107-109页
第5章 非参数背景模型第109-127页
   ·引言第109-111页
   ·影响因素描述第111-114页
   ·可靠背景模型第114-119页
     ·基于核函数的密度估计与Mean Shift第114-117页
     ·基于Mean Shift模型计算第117-118页
     ·运动目标检测与背景维护第118-119页
   ·实验与分析第119-124页
     ·背景生成第120-123页
     ·背景相减第123-124页
   ·本章小结第124-127页
结论第127-130页
参考文献第130-146页
攻读博士学位期间发表的学术论文及其它成果第146-149页
致谢第149-151页
个人简历第151页

论文共151页,点击 下载论文
上一篇:机器视觉图像检测与定位系统关键技术研究
下一篇:基于手语语言学与人体运动学的手语识别研究