| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-11页 |
| 1.3 红外热成像原理简述 | 第11-13页 |
| 1.4 基于红外视频的人体行为识别的应用 | 第13-15页 |
| 1.5 课题研究的难点 | 第15页 |
| 1.6 主要研究内容及论文结构 | 第15-17页 |
| 第2章 人体目标检测 | 第17-32页 |
| 2.1 视频中人体运动目标的检测方法研究 | 第17-20页 |
| 2.1.1 光流法 | 第17-18页 |
| 2.1.2 帧间差法 | 第18-19页 |
| 2.1.3 背景减除法 | 第19-20页 |
| 2.2 背景建模基本方法 | 第20-21页 |
| 2.2.1 多帧平均值法 | 第20页 |
| 2.2.2 中值法 | 第20-21页 |
| 2.2.3 权重系数更新法 | 第21页 |
| 2.2.4 Surendra算法 | 第21页 |
| 2.3 瞬时自动更新的静态背景建模方法 | 第21-27页 |
| 2.3.1 算法基本思想 | 第22页 |
| 2.3.2 背景权值w和背景权值变化量p | 第22页 |
| 2.3.3 算法流程 | 第22-24页 |
| 2.3.4 参数说明及设定 | 第24-27页 |
| 2.3.5 模糊处理 | 第27页 |
| 2.4 人体目标检测 | 第27-31页 |
| 2.4.1 图片灰度化 | 第28页 |
| 2.4.2 人体目标的提取 | 第28-30页 |
| 2.4.3 图像形态学处理 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 第3章 特征提取与行为识别 | 第32-46页 |
| 3.1 人体行为识别方法简述 | 第32-33页 |
| 3.2 特征提取概述 | 第33-37页 |
| 3.2.1 局部特征提取 | 第33-35页 |
| 3.2.2 全局特征提取 | 第35-36页 |
| 3.2.3 复合特征向量提取 | 第36-37页 |
| 3.3 人体行为识别模型的建立 | 第37-38页 |
| 3.4 运动历史图——HOG复合特征向量提取 | 第38-43页 |
| 3.4.1 复合特征 | 第38-39页 |
| 3.4.2 运动历史图 | 第39-40页 |
| 3.4.3 局部梯度直方图 | 第40-43页 |
| 3.5 支持向量机(SVM) | 第43-44页 |
| 3.6 小结 | 第44-46页 |
| 第4章 基于红外视频的人体行为识别实验 | 第46-58页 |
| 4.1 人体行为识别的总体设计 | 第46页 |
| 4.2 Visual Studio 2010简介 | 第46-47页 |
| 4.3 OpenCV介绍 | 第47-48页 |
| 4.4 Visual Studio 2010与OpenCV的配置 | 第48-50页 |
| 4.5 红外视频采集 | 第50-51页 |
| 4.6 人体行为识别实验及分析 | 第51-57页 |
| 4.6.1 下蹲行为检测 | 第53页 |
| 4.6.2 挥手行为检测 | 第53-54页 |
| 4.6.3 挥拳行为检测 | 第54页 |
| 4.6.4 踢腿行为检测 | 第54-55页 |
| 4.6.5 跑行为检测 | 第55-57页 |
| 4.7 小结 | 第57-58页 |
| 第5章 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 在学研究成果 | 第62-63页 |
| 致谢 | 第63页 |