| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 相关技术研究现状 | 第16-19页 |
| 1.2.1 基于视频处理技术的动作识别研究现状 | 第16-18页 |
| 1.2.2 动作识别技术应用于嵌入式平台的研究现状 | 第18-19页 |
| 1.3 主要贡献和创新点 | 第19-20页 |
| 1.4 章节安排 | 第20-21页 |
| 1.5 本章小结 | 第21-23页 |
| 2 动作识别基本原理与DaVinci平台简介 | 第23-39页 |
| 2.1 动作识别概述 | 第23-24页 |
| 2.2 动作识别基本方法简介 | 第24-30页 |
| 2.2.1 图像预处理 | 第24-26页 |
| 2.2.2 人体检测基本方法 | 第26-28页 |
| 2.2.3 动作识别基本方法 | 第28-30页 |
| 2.3 DaVinci平台的硬件设计 | 第30-33页 |
| 2.4 DaVinci平台的软件开发环境 | 第33-37页 |
| 2.4.1 PC端开发环境搭建 | 第33-34页 |
| 2.4.2 ARM端与DSP端开发环境搭建 | 第34-35页 |
| 2.4.3 开发环境测试 | 第35-37页 |
| 2.5 本章小结 | 第37-39页 |
| 3 室内运动人体检测 | 第39-51页 |
| 3.1 背景减除法简介 | 第39-41页 |
| 3.2 HS多高斯背景建模方法 | 第41-47页 |
| 3.2.1 图像预处理 | 第42-43页 |
| 3.2.2 背景模型的初始化 | 第43-45页 |
| 3.2.3 HS多高斯混合背景建模方法 | 第45-47页 |
| 3.3 人体检测的后处理 | 第47-50页 |
| 3.4 本章小结 | 第50-51页 |
| 4 室内运动人体摔倒动作识别 | 第51-71页 |
| 4.1 动作识别概述 | 第51-53页 |
| 4.2 特征提取 | 第53-60页 |
| 4.2.1 运动特征 | 第53-55页 |
| 4.2.2 形态特征 | 第55-57页 |
| 4.2.3 图像序列的确定 | 第57-60页 |
| 4.3 基于HMM的摔倒动作建模与识别 | 第60-70页 |
| 4.3.1 HMM模型结构 | 第61-62页 |
| 4.3.2 HMM模型的训练与分类过程 | 第62-65页 |
| 4.3.3 基于HMM的摔倒动作识别结果分析 | 第65-70页 |
| 4.4 本章小结 | 第70-71页 |
| 5 基于DaVinci平台的应用软件设计 | 第71-83页 |
| 5.1 基于ARM+DSP双核架构的软件技术 | 第72-76页 |
| 5.1.1 ARM端多线程设计技术 | 第72-73页 |
| 5.1.2 DSP端算法实现技术 | 第73-74页 |
| 5.1.3 ARM与DSP通信技术 | 第74-76页 |
| 5.2 动作识别算法设计流程 | 第76-79页 |
| 5.2.1 视频采集 | 第76-77页 |
| 5.2.2 视频处理 | 第77-79页 |
| 5.2.3 视频输出 | 第79页 |
| 5.3 运行展示 | 第79-82页 |
| 5.4 本章小结 | 第82-83页 |
| 6 总结与展望 | 第83-85页 |
| 6.1 总结 | 第83-84页 |
| 6.2 展望 | 第84-85页 |
| 参考文献 | 第85-88页 |
| 攻读硕士期间的主要研究成果 | 第88页 |
| 攻读硕士期间参加的科研项目 | 第88-89页 |
| 个人简历 | 第89页 |