基于隐马尔科夫模板模型的视频动作识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 人机交互 | 第9-10页 |
| 1.1.2 智能视频监控 | 第10页 |
| 1.1.3 虚拟现实 | 第10-11页 |
| 1.1.4 运动分析 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文所做的工作和文章的组织结构 | 第13-16页 |
| 第2章 隐马尔科夫模型和动作特征提取方法分析 | 第16-23页 |
| 2.1 隐马尔科夫模型 | 第16-18页 |
| 2.2 运动特征表示方法 | 第18-20页 |
| 2.3 形状特征表示方法-盖博小波稀疏编码 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于马尔科夫模板模型的动作识别算法研究 | 第23-36页 |
| 3.1 活动模板模型 | 第24-28页 |
| 3.1.1 活动模板模型建模 | 第24-25页 |
| 3.1.2 活动模板模型学习推理算法 | 第25-27页 |
| 3.1.3 活动模板概率模型建立 | 第27-28页 |
| 3.2 隐马尔科夫模板模型 | 第28-29页 |
| 3.3 模型建立 | 第29-31页 |
| 3.4 参数状态已知求数据的全概率 | 第31-32页 |
| 3.5 参数已知求数据的最优分类 | 第32-34页 |
| 3.5.1 给定类别对数据的最优理解 | 第32-34页 |
| 3.5.2 未知类别求最优分类 | 第34页 |
| 3.6 基于EM算法的参数估计 | 第34-35页 |
| 3.7 本文算法总结 | 第35-36页 |
| 第4章 ：实验结果展示和分析 | 第36-49页 |
| 4.1 实验数据库和设备介绍 | 第36-37页 |
| 4.2 HMT学习推理算法实验结果展示 | 第37-40页 |
| 4.2.1 HMT学习算法实验结果展示 | 第37-38页 |
| 4.2.2 HMT推理算法实验结果展示 | 第38-39页 |
| 4.2.3 活动模板产生过程展示 | 第39-40页 |
| 4.3 EM算法中间结果展示 | 第40-42页 |
| 4.4 最终识别结果展示 | 第42-48页 |
| 4.4.1 学习结果展示 | 第42-44页 |
| 4.4.2 识别结果展示 | 第44-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55页 |
