基于视觉的运动人体行为分析
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·人体行为分析概述 | 第11-13页 |
| ·运动目标分割 | 第11-12页 |
| ·运动目标分类 | 第12页 |
| ·特征选择与提取 | 第12页 |
| ·人体行为识别 | 第12-13页 |
| ·存在问题与难点 | 第13页 |
| ·关键技术和主要工作 | 第13-14页 |
| ·文章结构 | 第14-16页 |
| 第2章 运动人体检测 | 第16-32页 |
| ·引言 | 第16页 |
| ·运动分割算法 | 第16-22页 |
| ·时间差分法 | 第17页 |
| ·光流法 | 第17-18页 |
| ·背景减除法 | 第18-22页 |
| ·其他方法 | 第22页 |
| ·目标分类 | 第22-23页 |
| ·本文方法 | 第23-29页 |
| ·背景建模 | 第24-27页 |
| ·前景提取 | 第27-28页 |
| ·目标分类 | 第28-29页 |
| ·实验与分析 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 特征选择与提取 | 第32-45页 |
| ·引言 | 第32-33页 |
| ·基于PCA 的特征提取方法 | 第33-36页 |
| ·基本原理 | 第33-34页 |
| ·典型算法 | 第34-35页 |
| ·基于PCA 的人体行为特征提取方法 | 第35-36页 |
| ·基于核PCA 的特征提取方法 | 第36-39页 |
| ·基本原理 | 第37-38页 |
| ·典型算法 | 第38-39页 |
| ·本文方法 | 第39-41页 |
| ·加权核PCA 基本原理 | 第39-40页 |
| ·基于加权核PCA 的人体行为特征提取方法 | 第40-41页 |
| ·实验与讨论 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 人体行为识别 | 第45-57页 |
| ·引言 | 第45页 |
| ·K 近邻分类器的应用 | 第45-47页 |
| ·基本原理 | 第46页 |
| ·算法性能 | 第46-47页 |
| ·改进的K 近邻分类器及其应用 | 第47-49页 |
| ·基本原理 | 第48页 |
| ·基于改进K 近邻算法的人体行为识别 | 第48-49页 |
| ·支持向量机及其应用 | 第49-54页 |
| ·统计方法 | 第49-50页 |
| ·支持向量机基本原理 | 第50-51页 |
| ·多类支持向量机的构造 | 第51-53页 |
| ·基于多类SVM 的人体行为识别 | 第53-54页 |
| ·实验与分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 人体行为识别系统 | 第57-65页 |
| ·设备及相关工具 | 第57-58页 |
| ·系统整体框架 | 第58-61页 |
| ·视频获取模块 | 第59页 |
| ·行为识别模块 | 第59-61页 |
| ·行为训练模块 | 第61页 |
| ·系统测试 | 第61-65页 |
| 第6章 总结与展望 | 第65-66页 |
| ·总结 | 第65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间参加的科研项目和成果 | 第71页 |
