| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9-11页 |
| 1.1.1 人机智能交互 | 第10页 |
| 1.1.2 智能视频监控 | 第10页 |
| 1.1.3 虚拟现实 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 人体行为识别所面临的问题 | 第13-14页 |
| 1.4 本文的研究重点及任务 | 第14-17页 |
| 2 图像预处理方法研究 | 第17-24页 |
| 2.1 噪声滤除方法研究 | 第17-20页 |
| 2.1.1 均值滤波 | 第17-18页 |
| 2.1.2 排序类统计滤波器 | 第18-20页 |
| 2.2 图像增强 | 第20-22页 |
| 2.2.1 直方图均衡化 | 第20-22页 |
| 2.2.2 直方图规定化 | 第22页 |
| 2.3 实验结果分析 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 人体目标检测方法研究 | 第24-35页 |
| 3.1 人体运动目标检测方法步骤 | 第24-25页 |
| 3.2 几种常见的检测方法 | 第25-29页 |
| 3.2.1 光流法 | 第25-26页 |
| 3.2.2 背景减除法 | 第26-29页 |
| 3.3 融合边缘检测的三帧差分运动目标检测 | 第29-31页 |
| 3.3.1 Canny边缘检测算法 | 第30-31页 |
| 3.3.2 改进三帧差分算法基本原理 | 第31页 |
| 3.4 融合背景减除和本文差分算法的运动目标检测 | 第31-33页 |
| 3.4.1 形态学处理 | 第32-33页 |
| 3.5 实验结果分析 | 第33页 |
| 3.6 本章小结 | 第33-35页 |
| 4 特征提取和聚类 | 第35-50页 |
| 4.1 常见特征及特征选取 | 第35-41页 |
| 4.1.1 Haar-like特征 | 第35-36页 |
| 4.1.2 形状上下文特征 | 第36页 |
| 4.1.3 sift特征 | 第36-40页 |
| 4.1.4 傅里叶特征提取 | 第40-41页 |
| 4.2 改进傅里叶描述子 | 第41-42页 |
| 4.3 聚类方法及选择 | 第42-48页 |
| 4.3.1 K-means聚类 | 第42-45页 |
| 4.3.2 FCM聚类 | 第45-48页 |
| 4.4 实验与结果分析 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 基于隐马尔科夫模型的人体行为识别 | 第50-69页 |
| 5.1 隐马尔科夫模型 | 第50-59页 |
| 5.1.1 马尔科夫模型 | 第50-52页 |
| 5.1.2 一阶隐马尔科夫模型 | 第52-56页 |
| 5.1.3 一阶隐马尔科夫实验结果 | 第56-59页 |
| 5.2 高阶隐马尔科夫模型 | 第59-65页 |
| 5.2.1 三阶隐马尔科夫模型结构 | 第60-61页 |
| 5.2.2 三阶隐马尔科夫模型在人体行为识别的应用 | 第61-65页 |
| 5.3 三阶隐马尔科夫模型试验结果 | 第65-67页 |
| 5.4 本章小结 | 第67-69页 |
| 6 总结与展望 | 第69-72页 |
| 6.1 工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表论文及科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |