基于视频的人体骨架建模及异常行为分析研究
摘要 | 第5-6页 |
Abstract | 第6页 |
第1章 绪论 | 第9-17页 |
1.1 本论文研究背景和研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-14页 |
1.2.1 视频智能监控研究现状 | 第10-12页 |
1.2.2 异常行为检测与识别方法研究现状 | 第12-14页 |
1.3 论文研究内容与组织架构 | 第14-17页 |
1.3.1 论文研究内容 | 第14-15页 |
1.3.2 论文组织架构 | 第15-17页 |
第2章 运动目标检测概述 | 第17-23页 |
2.1 运动目标检测算法 | 第17-20页 |
2.1.1 帧间差分法 | 第17-18页 |
2.1.2 背景减除法 | 第18-19页 |
2.1.3 光流法 | 第19-20页 |
2.2 图像处理方法 | 第20-21页 |
2.2.1 图像形态学处理 | 第20页 |
2.2.2 图像滤波算法 | 第20-21页 |
2.3 本章小结 | 第21-23页 |
第3章 运动目标的跟踪 | 第23-33页 |
3.1 引言 | 第23-24页 |
3.2 粒子滤波目标跟踪技术 | 第24-28页 |
3.2.1 基于贝叶斯估计的目标跟踪问题描述 | 第25-26页 |
3.2.2 蒙特卡罗与粒子滤波算法 | 第26-28页 |
3.3 目标跟踪方法 | 第28-30页 |
3.3.1 目标跟踪区域的选取 | 第28页 |
3.3.2 基于颜色特征的粒子滤波目标跟踪方法 | 第28-30页 |
3.4 实验与结果分析 | 第30-31页 |
3.5 本章小结 | 第31-33页 |
第4章 骨架建模与人体行为状态的判定 | 第33-55页 |
4.1 人体骨架模型的建立 | 第33-37页 |
4.1.1 细化算法概述 | 第33-34页 |
4.1.2 Zhang-Suen骨架提取算法 | 第34-35页 |
4.1.3 骨架提取算法实验结果 | 第35-37页 |
4.2 人体参数化模型建立 | 第37-48页 |
4.2.1 人体比例结构分析 | 第37-38页 |
4.2.2 人体模型研究 | 第38-41页 |
4.2.3 改进的关键点提取算法 | 第41-42页 |
4.2.4 人体参数化模型的表示方法 | 第42-45页 |
4.2.5 人体骨架关键点提取及参数化实验结果 | 第45-48页 |
4.3 基于人体参数模型的运动状态判定方法 | 第48-53页 |
4.3.1 运动状态的参数计算 | 第48-49页 |
4.3.2 基于人体参数模型的运动状态匹配 | 第49-51页 |
4.3.3 行为状态判定实验结果 | 第51-53页 |
4.4 本章小结 | 第53-55页 |
第5章 异常行为分析研究 | 第55-61页 |
5.1 引言 | 第55-56页 |
5.2 基于模糊理论的异常行为识别方法 | 第56-59页 |
5.2.1 建立人体关键点模型 | 第56页 |
5.2.2 异常行为识别框架 | 第56-59页 |
5.2.3 系统实现步骤 | 第59页 |
5.3 实验与分析 | 第59-60页 |
5.4 本章小结 | 第60-61页 |
结论 | 第61-63页 |
参考文献 | 第63-69页 |
攻读学位期间发表论文与研究成果清单 | 第69-71页 |
致谢 | 第71页 |