基于半身混合模型的人体动作识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第2章 面向姿态估计的图像特征提取 | 第14-25页 |
| 2.1 面向姿态估计的图像特征提取研究 | 第14-19页 |
| 2.1.1 HOG特征提取方法分析 | 第14-15页 |
| 2.1.2 HOG特征提取主要思想 | 第15-16页 |
| 2.1.3 HOG特征提取方法研究 | 第16-19页 |
| 2.2 基于GPU的特征提取改进算法 | 第19-22页 |
| 2.2.1 并行化改进HOG算法 | 第20-21页 |
| 2.2.2 并行化梯度计算 | 第21页 |
| 2.2.3 并行化直方图计算 | 第21-22页 |
| 2.2.4 并行化特征标准化 | 第22页 |
| 2.3 改进的特征提取实验结果 | 第22-25页 |
| 第3章 基于半身混合模型的人体姿态估计 | 第25-42页 |
| 3.1 面向人体姿态估计的人体模型研究 | 第25-30页 |
| 3.1.1 人体姿态估计的部件模型研究 | 第25-28页 |
| 3.1.2 人体姿态估计的结构化模型研究 | 第28-30页 |
| 3.2 人体姿态估计半身混合模型的研究 | 第30-35页 |
| 3.2.1 人体姿态估计半身混合模型的分析 | 第30-32页 |
| 3.2.2 半身混合模型的部件表示 | 第32-34页 |
| 3.2.3 半身混合模型的推理 | 第34页 |
| 3.2.4 半身混合模型的学习 | 第34-35页 |
| 3.3 人体姿态估计半身混合模型的设计 | 第35-39页 |
| 3.3.1 半身混合模型的推理实现算法 | 第35-36页 |
| 3.3.2 半身混合模型的距离转换 | 第36-37页 |
| 3.3.3 半身混合模型的消息传递 | 第37-38页 |
| 3.3.4 半身混合模型的回溯 | 第38页 |
| 3.3.5 半身混合模型的非最大值抑制 | 第38-39页 |
| 3.4 基于半身混合模型的人体姿态估计实验结果 | 第39-42页 |
| 3.4.1 基于半身混合模型的姿态估计结果 | 第39-40页 |
| 3.4.2 基于KTH数据集姿态估计实验对比结果 | 第40-42页 |
| 第4章 基于HMM的人体动作识别 | 第42-60页 |
| 4.1 基于姿态估计的行为识别模型 | 第42-45页 |
| 4.1.1 行为识别问题分析及模型选择 | 第42-43页 |
| 4.1.2 面向动作识别的姿态模型表示 | 第43-45页 |
| 4.1.3 面向动作识别的人体行为建模 | 第45页 |
| 4.2 基于HMM的人体动作模型的学习 | 第45-52页 |
| 4.2.1 人体动作模型的参数构成 | 第45-47页 |
| 4.2.2 人体动作模型的参数学习 | 第47-51页 |
| 4.2.3 基于HMM的动作识别 | 第51-52页 |
| 4.3 基于HMM动作识别的实验结果分析 | 第52-60页 |
| 4.3.1 实验环境 | 第52-53页 |
| 4.3.2 基于HMM的人体动作识别实验及分析 | 第53-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60-61页 |
| 5.2 工作展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第67页 |
