| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题背景与研究意义 | 第14-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.2.1 国外研究 | 第15-16页 |
| 1.2.2 国内研究 | 第16-17页 |
| 1.3 本文主要工作 | 第17页 |
| 1.4 本文结构安排 | 第17-20页 |
| 第二章 人体姿态识别方法研究 | 第20-24页 |
| 2.1 常用的人体姿态识别方法 | 第20-21页 |
| 2.1.1 非模型识别 | 第20-21页 |
| 2.1.2 基于人体模型识别 | 第21页 |
| 2.2 人体姿态识别系统组成 | 第21-22页 |
| 2.3 现存问题 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 前景运动目标提取 | 第24-42页 |
| 3.1 常用前景目标检测法 | 第24-27页 |
| 3.1.1 帧间差分法 | 第24-26页 |
| 3.1.2 光流法 | 第26-27页 |
| 3.1.3 背景减除法 | 第27页 |
| 3.2 背景模型 | 第27-31页 |
| 3.2.1 均值背景模型 | 第27-29页 |
| 3.2.2 中值背景模型 | 第29页 |
| 3.2.3 混合高斯背景模型 | 第29-31页 |
| 3.3 运动目标的形态学研究 | 第31-33页 |
| 3.3.1 数学形态学 | 第31-32页 |
| 3.3.2 目标的形态学处理 | 第32-33页 |
| 3.4 提出的Central-point阴影去除法 | 第33-40页 |
| 3.4.1 目标区域中心点 | 第34-35页 |
| 3.4.2 目标区域L分量 | 第35-36页 |
| 3.4.3 Central-point阴影去除计算 | 第36-38页 |
| 3.4.4 阴影去除算法分析 | 第38-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 人体目标的特征提取 | 第42-58页 |
| 4.1 人体的质心计算 | 第42-43页 |
| 4.2 人体骨架提取 | 第43-49页 |
| 4.2.1 Rosenfeld提取人体骨架 | 第43-45页 |
| 4.2.2 形态学提取人体骨架 | 第45-46页 |
| 4.2.3 按层计算提取人体骨架 | 第46-47页 |
| 4.2.4 改进的人体骨架提取法 | 第47-49页 |
| 4.3 人体骨架单像素化 | 第49-54页 |
| 4.3.1 八邻域单像素化 | 第50-51页 |
| 4.3.2 提出的Dtrends单像素化法 | 第51-54页 |
| 4.4 人体姿态特征提取 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 姿态识别及动作检测 | 第58-70页 |
| 5.1 支持向量机 | 第58-60页 |
| 5.2 基于支持向量机的人体姿态识别 | 第60-64页 |
| 5.2.1 SVM姿态识别系统 | 第60-61页 |
| 5.2.2 姿态识别实验及结果 | 第61-64页 |
| 5.3 人体动作检测 | 第64-68页 |
| 5.3.1 动作检测方法 | 第64-66页 |
| 5.3.2 动作检测实验及结果 | 第66-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |