视频人体运动的检测跟踪与识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 主要关键词、术语、缩略词对照表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与研究目的 | 第14-16页 |
| 1.2 研究现状和发展趋势 | 第16-17页 |
| 1.3 研究工作和创新点 | 第17-19页 |
| 1.4 论文的结构安排 | 第19-20页 |
| 第二章 融合前景先验的无阈值人体检测 | 第20-56页 |
| 2.1 检测算法综述 | 第21-26页 |
| 2.1.1 图像特征提取 | 第21-22页 |
| 2.1.2 检测分类器 | 第22-23页 |
| 2.1.3 深度学习检测算法 | 第23-25页 |
| 2.1.4 视频人体检测 | 第25-26页 |
| 2.2 监控视频中前景概率模型 | 第26-33页 |
| 2.2.1 自适应背景提取方法 | 第26-30页 |
| 2.2.2 前景概率模型 | 第30-33页 |
| 2.3 无阈值人体检测器 | 第33-37页 |
| 2.4 基于前景概率的候选窗口生成 | 第37-40页 |
| 2.5 实验结果与分析 | 第40-52页 |
| 2.5.1 自适应背景初始化 | 第40-46页 |
| 2.5.2 人体检测 | 第46-51页 |
| 2.5.3 候选窗口的生成 | 第51-52页 |
| 2.6 本章小结 | 第52-56页 |
| 第三章 单目标与多目标在线跟踪 | 第56-80页 |
| 3.1 单目标与多目标跟踪算法 | 第57-61页 |
| 3.1.1 单目标跟踪算法 | 第57-60页 |
| 3.1.2 基于检测的多目标跟踪 | 第60-61页 |
| 3.2 点轨迹和表观特征实现单目标跟踪 | 第61-64页 |
| 3.3 多目标的三维跟踪 | 第64-68页 |
| 3.4 实验结果与分析 | 第68-78页 |
| 3.4.1 单目标在线跟踪 | 第68-71页 |
| 3.4.2 多人体目标的三维跟踪 | 第71-78页 |
| 3.5 本章小结 | 第78-80页 |
| 第四章 视频中信息关联的人体姿态估计 | 第80-94页 |
| 4.1 人体姿态估计算法 | 第81-83页 |
| 4.2 时空关联人体模型 | 第83-85页 |
| 4.3 姿态推断和参数学习 | 第85-87页 |
| 4.3.1 人体姿态推断 | 第86页 |
| 4.3.2 模型参数学习 | 第86-87页 |
| 4.4 实验结果与分析 | 第87-93页 |
| 4.4.1 数据库与评价指标 | 第87-88页 |
| 4.4.2 实验结果与实验分析 | 第88-93页 |
| 4.5 本章小结 | 第93-94页 |
| 第五章 层级记忆模型与人体动作识别 | 第94-122页 |
| 5.1 人体动作识别的算法综述 | 第94-97页 |
| 5.2 情境关联的抽象层级记忆模型 | 第97-107页 |
| 5.2.1 层级记忆模型的研究基础 | 第97-99页 |
| 5.2.2 层级记忆模型的结构 | 第99-101页 |
| 5.2.3 基于模型的相似性度量 | 第101-106页 |
| 5.2.4 情境记忆的进化演变 | 第106-107页 |
| 5.3 基于层级记忆模型的动作识别 | 第107-109页 |
| 5.3.1 情境属性提取与组织 | 第107-108页 |
| 5.3.2 交互动作识别 | 第108-109页 |
| 5.3.3 动作识别和预测 | 第109页 |
| 5.4 实验结果与分析 | 第109-121页 |
| 5.4.1 评价指标 | 第111页 |
| 5.4.2 人体动作识别 | 第111-117页 |
| 5.4.3 人体动作预测 | 第117-119页 |
| 5.4.4 记忆增强和退化 | 第119-121页 |
| 5.5 本章小结 | 第121-122页 |
| 第六章 总结和展望 | 第122-124页 |
| 6.1 全文工作总结 | 第122-123页 |
| 6.2 研究展望 | 第123-124页 |
| 参考文献 | 第124-150页 |
| 致谢 | 第150-152页 |
| 攻读学位期间发表的学术论文 | 第152-154页 |
| 攻读学位期间参与的项目 | 第154-156页 |
