基于HMM的家庭视频监护系统研究
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 论文研究背景及意义 | 第9-11页 |
| 1.2 家庭监控系统研究现状 | 第11-14页 |
| 1.2.1 目标人体的检测 | 第11-13页 |
| 1.2.2 目标人体的跟踪 | 第13页 |
| 1.2.3 人体行为的理解 | 第13-14页 |
| 1.3 本文的研究内容、研究方法及创新点 | 第14-17页 |
| 1.4 本文的结构安排 | 第17-18页 |
| 第二章 人体检测与人体跟踪 | 第18-31页 |
| 2.1 引言 | 第18页 |
| 2.2 目标人体的检测 | 第18-26页 |
| 2.2.1 三帧差法 | 第18-20页 |
| 2.2.2 背景减除法 | 第20-22页 |
| 2.2.3 混合高斯模型背景建模法 | 第22-26页 |
| 2.3 目标人体的跟踪 | 第26-30页 |
| 2.3.1 Mean Shift算法的历史 | 第26-27页 |
| 2.3.2 基本的Mean Shift | 第27页 |
| 2.3.3 扩展的Mean Shift | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 隐马尔可夫(HMM)模型及算法 | 第31-38页 |
| 3.1 引言 | 第31页 |
| 3.2 隐马尔可夫模型概述 | 第31-34页 |
| 3.3 Baum-Welch算法 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 家庭监护系统架构及视频 | 第38-46页 |
| 4.1 引言 | 第38页 |
| 4.2 家庭监护系统架构 | 第38-39页 |
| 4.3 视频特征的抽取 | 第39-45页 |
| 4.3.1 宽度特征的抽取 | 第40-42页 |
| 4.3.2 角度特征的抽取 | 第42-44页 |
| 4.3.3 光流特征的抽取 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 视频监控训练实验及分析 | 第46-58页 |
| 5.1 引言 | 第46-47页 |
| 5.2 视频监控HMM训练 | 第47-52页 |
| 5.3 实验及分析 | 第52-57页 |
| 5.3.1 针对通用测试数据集的分类实验 | 第52页 |
| 5.3.2 针对自建测试数据集的分类实验 | 第52-54页 |
| 5.3.3 实验结果及分析 | 第54页 |
| 5.3.4 基于行为与时间的异常状况识别 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 本文总结与未来展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
