首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

视频中基于时间序列分析的人体动作识别技术的研究与实现

摘要第1-6页
Abstract第6-11页
第1章 绪论第11-17页
   ·人体动作识别的意义第11-12页
   ·人体动作识别相关概念和研究现状第12-15页
   ·研究问题的提出第15-16页
   ·本文主要工作第16页
   ·论文的主要内容第16-17页
第2章 相关理论与技术第17-31页
   ·人体动作目标的检测第17-18页
     ·背景减除第17页
     ·时间差分第17页
     ·光流法第17-18页
   ·特征提取第18-20页
     ·非模型的方法第18-19页
     ·基于模型的方法第19-20页
   ·识别第20-23页
     ·基于模板的方法第20-21页
     ·概率统计方法第21-22页
     ·基于语法的方法第22-23页
   ·维度规约第23-24页
     ·小波变换第23页
     ·主成分分析第23-24页
   ·时间序列分析第24-28页
     ·研究实质与假设第24-25页
     ·变动特点第25页
     ·差分运算与后移算子第25-26页
     ·平稳序列自回归移动平均第26-27页
     ·非平稳序列的确定性分析第27-28页
   ·本章小结第28-31页
第3章 基于时间序列分析的人体动作识别系统架构第31-37页
   ·图像及视频识别系统基本框图第31-32页
     ·图像识别系统基本框架第31-32页
     ·视频中的识别系统基本框架第32页
   ·基于时间序列分析的人体运动识别系统框架第32-34页
     ·本系统框架图第32-33页
     ·模块划分第33-34页
   ·人体动作识别系统功能第34-35页
     ·特征提取模块第34页
     ·特征表示模块第34-35页
     ·动作识别模块第35页
   ·本章小结第35-37页
第4章 视频特征提取第37-49页
   ·问题提出第37-39页
     ·静态图像特征第37-38页
     ·时变图像特征第38页
     ·人体动作识别中特征提取研究第38-39页
   ·时空轮廓第39-41页
     ·轮廓第39-40页
     ·轮廓提取第40页
     ·轮廓表示第40-41页
   ·图像纵横比第41-43页
   ·非线性维度归约第43-44页
     ·核主成分分析KPCA将时空轮廓转换成时间序列第43-44页
   ·实验结果和分析第44-47页
     ·由视频转换得到的时间序列第46-47页
   ·本章小结第47-49页
第5章 视频时间序列特征分析第49-57页
   ·问题提出第49-50页
   ·符号表示第50页
   ·趋势和季节性分析第50-52页
     ·loess回归第50-51页
     ·基于loess的季节趋势分解第51-52页
   ·自相似性分析第52-53页
     ·自相似性第52-53页
     ·赫斯特指数第53页
   ·周期特征提取第53-55页
     ·自相关函数第54页
     ·周期估计第54-55页
     ·周期特征表示第55页
   ·实验结果第55-56页
   ·本章小结第56-57页
第6章 基于时间序列特征的视频中人体动作识别第57-67页
   ·问题提出第57-58页
   ·时间序列特征表示第58页
   ·基于K-近邻算法的识别第58-60页
     ·简单的k-近邻算法第58-59页
     ·对k-近邻算法的改进第59-60页
     ·带拒绝的k-近邻算法第60页
   ·对未知实例的处理第60-63页
     ·DBSCAN算法第61-62页
     ·参数选择及距离计算第62-63页
   ·实验结果第63-66页
     ·不同特征的比较第63-64页
     ·对未知实例的实验分析第64-66页
   ·本章小结第66-67页
第7章 总结与展望第67-69页
   ·本文工作总结第67页
   ·进一步的工作第67-69页
参考文献第69-73页
致谢第73-75页
攻硕期间参与项目及发表的论文第75页

论文共75页,点击 下载论文
上一篇:基于LDAP的单点登录系统的研究与实现
下一篇:虚拟企业合作伙伴选择与管理研究