| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 应用范围简介 | 第11-13页 |
| 1.2.1 智能视频监控 | 第11页 |
| 1.2.2 智能数字娱乐 | 第11-12页 |
| 1.2.3 体育和医疗 | 第12页 |
| 1.2.4 基于内容的检索 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 研究出现的主要问题 | 第15-16页 |
| 1.5 本文主要研究内容与创新点 | 第16-17页 |
| 1.6 本文组织结构 | 第17-19页 |
| 第二章 人体图模型理论简介 | 第19-31页 |
| 2.1 人体图模型的基本定义 | 第19-22页 |
| 2.1.1 人体图模型的直接定义 | 第19-21页 |
| 2.1.2 人体模型统计角度描述 | 第21-22页 |
| 2.2 模型参数估计 | 第22-26页 |
| 2.2.1 外观参数学习 | 第23-24页 |
| 2.2.2 模块间关联参数学习 | 第24-26页 |
| 2.3 模型推断 | 第26-30页 |
| 2.3.1 动态规划 | 第26-27页 |
| 2.3.2 距离变化 | 第27-28页 |
| 2.3.3 模型后验概率计算 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 视频中人体检测方法 | 第31-43页 |
| 3.1 背景差分法进行人体检测 | 第31-33页 |
| 3.2 光流法进行人体检测 | 第33-34页 |
| 3.3 多种帧间差分法人体检测 | 第34-37页 |
| 3.3.1 帧间差分法 | 第34-36页 |
| 3.3.2 隔帧差分法 | 第36-37页 |
| 3.4 三帧差分法人体检测 | 第37-42页 |
| 3.4.1 原始三帧差分法人体检测 | 第37-39页 |
| 3.4.2 基于背景的三帧差分法的人体检测 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于模块颜色和纹理特征的图模型姿势估计 | 第43-58页 |
| 4.1 特征提取 | 第43-46页 |
| 4.1.1 颜色特征 | 第43-44页 |
| 4.1.2 纹理特征 | 第44-45页 |
| 4.1.3 边缘特征 | 第45-46页 |
| 4.2 基于图模型的人体姿势估计 | 第46-55页 |
| 4.2.1 基于模块颜色和纹理迭代的图模型的姿势估计 | 第47-48页 |
| 4.2.2 基于背景的Grab cut前/背景分割 | 第48-50页 |
| 4.2.3 基于边缘特征的姿势推断 | 第50-51页 |
| 4.2.4 基于区域特征的姿势推断 | 第51-55页 |
| 4.3 实验结果分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 视频人体动作提取 | 第58-66页 |
| 5.1 图像预处理过程 | 第58-59页 |
| 5.2 人体检测 | 第59-60页 |
| 5.3 检测窗口大小调整 | 第60-61页 |
| 5.4 视频人体动作提取 | 第61页 |
| 5.5 实验分析 | 第61-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 工作总结 | 第66-67页 |
| 6.2 未来工作展望 | 第67-68页 |
| 参考文献 | 第68-70页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第70-71页 |
| 致谢 | 第71页 |