基于计算机视觉的人体睡姿识别系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·睡姿识别的国内外研究现状 | 第10-11页 |
| ·睡姿的定义 | 第11页 |
| ·睡姿识别的技术难点 | 第11页 |
| ·本文主要研究的内容 | 第11-12页 |
| ·论文的章节安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 睡姿图像的预处理 | 第14-23页 |
| ·预处理的目的 | 第14页 |
| ·图像灰度化方法 | 第14-15页 |
| ·睡姿图像去噪 | 第15-16页 |
| ·噪声的来源 | 第15页 |
| ·去噪方法 | 第15-16页 |
| ·睡姿图像的增强 | 第16-22页 |
| ·图像增强的概念与目的 | 第16页 |
| ·灰度变换 | 第16-19页 |
| ·直方图均衡化 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 睡姿图像的分割 | 第23-36页 |
| ·图像分割的概念 | 第23-24页 |
| ·文字定义 | 第23页 |
| ·数学定义 | 第23-24页 |
| ·图像分割方法分类 | 第24-27页 |
| ·阈值法 | 第24页 |
| ·基于边缘的分割方法 | 第24-25页 |
| ·基于区域的分割方法 | 第25-26页 |
| ·基于图论的分割方法 | 第26页 |
| ·基于能量泛函的分割方法 | 第26-27页 |
| ·基于水平集方法的目标分割 | 第27-34页 |
| ·参数活动轮廓模型 | 第27-28页 |
| ·曲线演化理论 | 第28-31页 |
| ·水平集方法的基本理论 | 第31-32页 |
| ·C-V模型的水平集图像分割 | 第32-34页 |
| ·睡姿图像的分割结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 睡姿图像特征提取与识别 | 第36-47页 |
| ·特征与特征提取 | 第36-42页 |
| ·特征与特征提取的概念 | 第36页 |
| ·特征的选取原则 | 第36-37页 |
| ·睡姿图像的特征提取 | 第37-42页 |
| ·睡姿图像的识别 | 第42-44页 |
| ·BP神经网络 | 第42-43页 |
| ·分类器的设计 | 第43-44页 |
| ·实验及结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·本文工作总结 | 第47-48页 |
| ·创新之处 | 第48页 |
| ·不足之处 | 第48页 |
| ·研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 在学研究成果 | 第53-54页 |
| 致谢 | 第54页 |
