动态场景下人的行为分析
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 绪论 | 第7-10页 |
| ·选题背景和意义 | 第7页 |
| ·国内外研究现状 | 第7-8页 |
| ·本论文采用的方法 | 第8-9页 |
| ·本论文结构 | 第9-10页 |
| 第1章 运动目标提取 | 第10-35页 |
| ·背景建模 | 第10-18页 |
| ·均值法背景模型 | 第10-11页 |
| ·高斯背景模型 | 第11-13页 |
| ·非参数化背景模型 | 第13-16页 |
| ·CodeBook 背景模型 | 第16-18页 |
| ·图像分割 | 第18-23页 |
| ·图像预处理 | 第18-23页 |
| ·腐蚀 | 第18-19页 |
| ·膨胀 | 第19-20页 |
| ·开运算 | 第20-21页 |
| ·闭运算 | 第21页 |
| ·图像像素元素之间的连通处理 | 第21-23页 |
| ·经典的图像分割算法 | 第23-30页 |
| ·灰度阈值图像分割方法 | 第23页 |
| ·基于边缘检测的图像分割方法 | 第23-27页 |
| ·基于图论的图像分割算法 | 第27-30页 |
| ·基于图论的图像分割算法理论基础 | 第27-29页 |
| ·基于图论的图像分割算法描述 | 第29-30页 |
| ·运动目标提取 | 第30-34页 |
| ·高斯金字塔表示数字图像 | 第30-32页 |
| ·基于金字塔光流法的光流值计算 | 第32-34页 |
| ·光流法计算 | 第33-34页 |
| ·基于改进光流法的面积阈值算法 | 第34页 |
| ·小结 | 第34-35页 |
| 第2章 人的活动行为分析 | 第35-40页 |
| ·视频图像中的人体跟踪 | 第35页 |
| ·基于在线学习运动目标跟踪 | 第35-37页 |
| ·人的活动行为分类界定 | 第37页 |
| ·人的活动行为 | 第37-39页 |
| ·人的正常行走行为 | 第37-38页 |
| ·人体摔倒行为检测 | 第38页 |
| ·人的蹲姿行为检测 | 第38-39页 |
| ·小结 | 第39-40页 |
| 第3章 实验结果与分析 | 第40-44页 |
| ·运动目标提取实验 | 第40-41页 |
| ·背景建模实验 | 第40页 |
| ·图像分割和目标提取实验 | 第40页 |
| ·运动目标跟踪实验 | 第40-41页 |
| ·人的活动行为分析实验 | 第41-43页 |
| ·人的正常活动行为实验 | 第41-42页 |
| ·人体摔倒检测 | 第42页 |
| ·人的蹲姿检测 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第4章 小结与展望 | 第44-45页 |
| ·小结 | 第44页 |
| ·工作展望 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 研究生期间主持科研项目和发表论文 | 第47-48页 |
| 致谢 | 第48页 |
