基于人体姿态序列提取和分析的行为识别

摘要	第1-6页
Abstract	第6-8页
目录	第8-12页
第一章 绪论	第12-26页
·选题的背景和意义	第12-14页
·人体姿态估计和行为识别的难点	第14-16页
·人体姿态估计以及行为识别的相关工作	第16-24页
·基于视觉的人体区域分割	第16-18页
·基于视觉的人体姿态估计	第18-22页
·基于视觉的人体行为识别	第22-24页
·论文的组织结构	第24-25页
·本章小结	第25-26页
第二章 基于时空分析的视频前景分割	第26-49页
·引言	第26-27页
·基于时空分析的前景分割算法框架	第27-28页
·视频粗分割	第28-32页
·基于 Gabor 滤波的运动度量	第28-30页
·基于运动度量的视频分割	第30-31页
·视频粗分割算法	第31-32页
·学习颜色模型	第32-38页
·基于均值漂移算法的颜色聚类	第32-35页
·建立颜色模型	第35-36页
·局部颜色模型权值的调整	第36-38页
·视频细划分	第38-40页
·总体算法流程	第40-41页
·实验结果及分析	第41-48页
·实验 1：分割静止背景中的运动前景	第42-43页
·实验 2：分割持续非钢体形变的前景	第43-44页
·实验 3：分割快速变化背景中的前景	第44-45页
·实验 4：分割基本静止的前景	第45-46页
·实验 5: 分割缓慢运动的前景	第46-47页
·实验结果分析	第47-48页
·本章小结	第48-49页
第三章 基于姿态句子的人体姿态描述	第49-66页
·引言	第49-50页
·相关知识	第50-53页
·人体结构建模	第50-51页
·人体表象建模	第51-53页
·人体模型	第53-56页
·基于部件的人体模型	第53-55页
·计算姿态后验概率	第55-56页
·梯度方向局部模式描述子	第56-59页
·描述子介绍	第56-57页
·梯度方向直方图统计	第57-58页
·梯度方向局部模式计算	第58-59页
·描述子特性	第59页
·基于姿态单词的人体表象描述	第59-65页
·学习姿态单词	第60-63页
·基于混合模型的表象建模	第63-64页
·表象模型的学习算法	第64-65页
·本章小结	第65-66页
第四章 流形空间中隐支持向量机的模型训练算法	第66-86页
·引言	第66-67页
·姿态推断	第67-68页
·流形空间中隐支持向量机的模型学习	第68-74页
·模型训练的目标函数	第68-70页
·增量式隐支持向量机	第70-71页
·流形空间中的隐支持向量机的学习算法	第71-74页
·实验结果及分析	第74-84页
·IIP 库的姿态估计比较	第75-77页
·降维算法的性能分析	第77-79页
·IIP 库的人体检测实验	第79-81页
·LSP 库的姿态估计实验	第81-83页
·Buffy 库的姿态估计实验	第83-84页
·本章小结	第84-86页
第五章 基于姿态序列混合特征的人体行为识别	第86-117页
·引言	第86-87页
·基于肢体掩膜的人体姿态估计	第87-92页
·基于图像特征分析的肢体掩膜提取	第87-89页
·基于运动特征分析的肢体掩膜提取	第89-90页
·基于肢体掩膜的人体姿态估计	第90-92页
·基于卡尔曼平滑的姿态序列矫正	第92-96页
·基于姿态序列的人体行为特征	第96-101页
·姿态特征	第97-98页
·动作特征	第98-99页
·肢体运动特征	第99-100页
·全局统计特征	第100-101页
·基于混合隐条件随机场的人体行为识别	第101-103页
·实验结果及分析	第103-116页
·算法性能比较	第104-107页
·模型参数分析	第107-110页
·鲁棒性测试	第110-112页
·三维姿态序列的人体行为识别	第112-116页
·本章小结	第116-117页
第六章 总结与展望	第117-119页
·全文总结	第117-118页
·未来展望	第118-119页
参考文献	第119-133页
攻读博士学位期间取得的研究成果	第133-135页
致谢	第135-136页
附件	第136页