基于视频的人体姿态检测与运动识别方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-26页 |
| ·研究背景 | 第10-11页 |
| ·研究现状 | 第11-22页 |
| ·基于内容的视频检索 | 第11-12页 |
| ·人体运动表示 | 第12-20页 |
| ·人体运动的识别方法 | 第20-22页 |
| ·主要研究工作 | 第22-24页 |
| ·论文的组织与结构 | 第24-26页 |
| 第二章 人体目标的检测 | 第26-48页 |
| ·引言 | 第26-27页 |
| ·相关工作 | 第27-30页 |
| ·无姿态限制的人体目标检测算法 | 第30-38页 |
| ·用形状上下文快速检测人体目标 | 第30-36页 |
| ·用方向梯度直方图验证 | 第36-38页 |
| ·实验结果 | 第38-46页 |
| ·参数选择 | 第38-42页 |
| ·INRIA人体数据库的实验结果 | 第42-44页 |
| ·UCF运动视频库的实验结果 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第三章 人体目标的分割 | 第48-64页 |
| ·相关工作 | 第48-50页 |
| ·图割的分割算法及改进 | 第50-59页 |
| ·图割算法 | 第50-53页 |
| ·Graph cuts分割算法分析与改进 | 第53-56页 |
| ·实验与结果分析 | 第56-59页 |
| ·无交互的人体目标分割 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第四章 人体目标的跟踪 | 第64-84页 |
| ·相关工作 | 第64-65页 |
| ·Mean Shift跟踪算法分析 | 第65-72页 |
| ·Mean Shift的基本思想 | 第65-71页 |
| ·Mean Shift跟踪原理 | 第71-72页 |
| ·Mean Shift跟踪问题分析 | 第72页 |
| ·高速运动的人体目标跟踪算法 | 第72-79页 |
| ·粒子滤波跟踪原理 | 第73-77页 |
| ·高速算法描述 | 第77-79页 |
| ·实验结果与分析 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 运动表示方法及识别 | 第84-96页 |
| ·引言 | 第84-85页 |
| ·相关工作 | 第85-87页 |
| ·基于自相似矩阵的运动表示与识别 | 第87-93页 |
| ·自相似矩阵定义 | 第88-90页 |
| ·人体姿态自相似矩阵 | 第90-91页 |
| ·基于人体姿态自相似矩阵的运动识别 | 第91-93页 |
| ·实验结果 | 第93-95页 |
| ·IXMAS人体运动视频库实验结果 | 第93-94页 |
| ·UCF运动视频库的实验结果 | 第94-95页 |
| ·本章小结 | 第95-96页 |
| 第六章 结论与展望 | 第96-100页 |
| ·结论 | 第96-97页 |
| ·研究展望 | 第97-100页 |
| 参考文献 | 第100-114页 |
| 致谢 | 第114-116页 |
| 攻读学位期间主要的研究成果 | 第116页 |
