基于Hidden Markov Model的人体姿态识别探究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 研究现状和发展趋势 | 第9-13页 |
| 1.2.1 人体姿态识别的现状和趋势 | 第9-10页 |
| 1.2.2 人体姿态识别的方法 | 第10-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 人体姿态识别概述 | 第15-24页 |
| 2.1 前端视频采集模块和预处理 | 第16-19页 |
| 2.2 人体目标检测 | 第19-21页 |
| 2.2.1 背景差分法 | 第19-21页 |
| 2.2.2 光流法 | 第21页 |
| 2.3 特征参数提取 | 第21-22页 |
| 2.4 姿态识别 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 视频图像预处理和目标检测 | 第24-37页 |
| 3.1 摄像机的标定 | 第24-26页 |
| 3.2 背景差分法与混合高斯模型 | 第26-32页 |
| 3.2.1 混合高斯模型 | 第27-29页 |
| 3.2.2 背景减除法的实验结果比较 | 第29-32页 |
| 3.3 光流信息检测 | 第32-36页 |
| 3.3.1 微分光流方程 | 第32页 |
| 3.3.2 Horn-Schunk算法 | 第32-34页 |
| 3.3.3 Lucas-Kanade算法 | 第34-35页 |
| 3.3.4 光流法仿真结果 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 特征提取和姿态识别 | 第37-53页 |
| 4.1 特征提取 | 第37-43页 |
| 4.1.1 常用几何特征 | 第37-40页 |
| 4.1.2 光流信息提取 | 第40-42页 |
| 4.1.3 特征融合 | 第42-43页 |
| 4.2 隐马尔可夫模型 | 第43-50页 |
| 4.2.1 马尔可夫过程 | 第44-45页 |
| 4.2.2 隐马尔科夫模型 | 第45-47页 |
| 4.2.3 隐马尔科夫模型参数训练 | 第47-48页 |
| 4.2.4 隐马尔科夫模型行为识别 | 第48-50页 |
| 4.3 识别结果分析 | 第50-52页 |
| 4.3.1 测试环境 | 第50页 |
| 4.3.2 HMM实验分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59页 |
