视频监控中的人体异常行为识别方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 人体行为识别国内外研究现状 | 第8-9页 |
| 1.2.2 关键技术研究现状 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 本文的结构安排 | 第12-13页 |
| 2 运动目标检测 | 第13-25页 |
| 2.1 运动目标检测常见方法 | 第13-16页 |
| 2.1.1 帧间差分法 | 第13-14页 |
| 2.1.2 光流法 | 第14-15页 |
| 2.1.3 背景减除法 | 第15-16页 |
| 2.2 混合高斯背景模型 | 第16-21页 |
| 2.2.1 高斯模型 | 第17-19页 |
| 2.2.2 基于 K-均值聚类的混合高斯背景模型 | 第19-21页 |
| 2.3 运动目标空洞处理 | 第21-23页 |
| 2.4 实验结果与分析 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 运动目标跟踪 | 第25-35页 |
| 3.1 运动目标跟踪主要方法 | 第25-26页 |
| 3.2 基于卡尔曼滤波算法的运动目标跟踪 | 第26-29页 |
| 3.2.1 卡尔曼滤波算法 | 第26-29页 |
| 3.2.2 卡尔曼滤波运动目标跟踪方法 | 第29页 |
| 3.3 改进型卡尔曼滤波器的运动目标跟踪 | 第29-32页 |
| 3.3.1 Mean shift 算法 | 第29-31页 |
| 3.3.2 改进型卡尔曼滤波跟踪算法 | 第31-32页 |
| 3.4 实验结果与分析 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 运动目标特征提取 | 第35-43页 |
| 4.1 基于 LBP 算法的特征提取 | 第35-40页 |
| 4.1.1 基本 LBP 算法 | 第35-37页 |
| 4.1.2 均匀模式 LBP 算法 | 第37页 |
| 4.1.3 LBP 算子的旋转不变性 | 第37-38页 |
| 4.1.4 LBP 特征提取 | 第38-40页 |
| 4.2 基于 Hu 矩的特征提取 | 第40-42页 |
| 4.3 本章小结 | 第42-43页 |
| 5 基于隐马尔可夫模型的异常行为识别 | 第43-53页 |
| 5.1 隐马尔可夫模型的概念 | 第43-44页 |
| 5.2 隐马尔可夫模型的基本问题 | 第44页 |
| 5.3 隐马尔可夫模型的基本算法 | 第44-47页 |
| 5.3.1 前向后向算法 | 第44-45页 |
| 5.3.2 Viterbi 算法 | 第45-46页 |
| 5.3.3 Baum-Welch 算法 | 第46-47页 |
| 5.4 隐马尔可夫模型在人体异常行为识别中的应用 | 第47-48页 |
| 5.5 实验结果与分析 | 第48-52页 |
| 5.6 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 工作展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
