家庭环境下人的行为理解系统研究
| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第12-24页 |
| ·课题背景 | 第12-13页 |
| ·行为理解应用及研究现状 | 第13-15页 |
| ·行为理解主要应用 | 第13-14页 |
| ·行为理解研究现状 | 第14-15页 |
| ·行为理解相关技术 | 第15-21页 |
| ·运动检测 | 第16-17页 |
| ·人体检测与跟踪 | 第17-19页 |
| ·行为理解 | 第19-21页 |
| ·行为理解的难点 | 第21页 |
| ·智能空间技术 | 第21-22页 |
| ·本文主要研究工作 | 第22页 |
| ·本文结构 | 第22-24页 |
| 第2章 系统技术框架 | 第24-32页 |
| ·家庭助理机器人综合平台 | 第24-27页 |
| ·总体设计思路 | 第24-25页 |
| ·硬件体系结构 | 第25页 |
| ·任务规划及信息流结构 | 第25-27页 |
| ·行为理解系统设计 | 第27-30页 |
| ·需求分析 | 第27-28页 |
| ·家庭环境下行为理解问题描述 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 改进的基于GMM背景模型的运动人体检测 | 第32-48页 |
| ·引言 | 第32页 |
| ·基于GMM背景模型的运动检测 | 第32-39页 |
| ·GMM的算法描述 | 第33-36页 |
| ·实验结果及分析 | 第36-39页 |
| ·基于改进的GMM算法的运动检测 | 第39-47页 |
| ·背景模型初始化 | 第39-42页 |
| ·处理复杂的运动 | 第42-45页 |
| ·人体区域的准确提取 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于特征融合的人体动作识别 | 第48-60页 |
| ·引言 | 第48页 |
| ·人体运动状态表征 | 第48-50页 |
| ·特征选择 | 第48-49页 |
| ·运动状态表征 | 第49-50页 |
| ·运动识别方法 | 第50-51页 |
| ·运动识别系统实现 | 第51-55页 |
| ·人体检测 | 第52页 |
| ·姿态及特征检测 | 第52-54页 |
| ·动作识别 | 第54-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第5章 智能空间中高层行为理解及应用 | 第60-80页 |
| ·引言 | 第60页 |
| ·高层行为理解 | 第60-63页 |
| ·动态图像语义模型 | 第61-62页 |
| ·行为理解实现步骤 | 第62-63页 |
| ·基于场景的行为模式和行为习惯 | 第63-65页 |
| ·智能空间技术平台 | 第63页 |
| ·行为模式和行为习惯的数学表示 | 第63-65页 |
| ·人体在环境中的定位 | 第65-70页 |
| ·单摄像机定位原理 | 第65-68页 |
| ·实验结果及分析 | 第68-70页 |
| ·行为描述及检测 | 第70-74页 |
| ·位置关联矩阵 | 第71页 |
| ·时空关联矩阵 | 第71-72页 |
| ·位置状态转移概率 | 第72页 |
| ·位置状态持续时间 | 第72-73页 |
| ·行为检测器 | 第73-74页 |
| ·行为理解实验及结果分析 | 第74-75页 |
| ·基于观察人的信息获取 | 第75-77页 |
| ·本章小结 | 第77-80页 |
| 第6章 结束语 | 第80-82页 |
| ·本文的主要研究结果 | 第80-81页 |
| ·进一步的研究方向 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-89页 |
| 硕士期间发表的论文 | 第89页 |
| 硕士期间参加的科研工作 | 第89-90页 |
| 学位论文评阅及答辩情况表 | 第90页 |
