安防监控中人体行为模式分类算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 安防监控中人体行为模式分类算法概述 | 第11-12页 |
| 1.3 国内外研究现状分析 | 第12-16页 |
| 1.3.1 运动目标检测技术研究现状 | 第13页 |
| 1.3.2 行为序列分割技术研究现状 | 第13-14页 |
| 1.3.3 行为模式分类技术研究现状 | 第14-16页 |
| 1.4 存在的问题 | 第16-17页 |
| 1.5 本文主要研究内容 | 第17-18页 |
| 第2章 运动目标提取算法研究 | 第18-34页 |
| 2.1 运动目标提取概述 | 第18-19页 |
| 2.2 帧差法 | 第19-22页 |
| 2.3 光流法 | 第22-24页 |
| 2.4 背景减除法 | 第24-26页 |
| 2.5 基于改进混合高斯背景建模的运动目标提取 | 第26-33页 |
| 2.5.1 改进的混合高斯背景建模 | 第27-30页 |
| 2.5.2 前景图像的形态学处理 | 第30-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 人体行为序列分割算法研究 | 第34-50页 |
| 3.1 行为序列分割概述 | 第34-35页 |
| 3.2 人体特征提取 | 第35-39页 |
| 3.2.1 人体时空特征概述 | 第35-37页 |
| 3.2.2 基于网格法的人体时空特征提取 | 第37-39页 |
| 3.3 本征维数估计 | 第39-41页 |
| 3.3.1 本征维数的简介 | 第39-40页 |
| 3.3.2 基于奇异值分解的本征维数估计 | 第40-41页 |
| 3.4 基于本征维数变化的行为序列分割 | 第41-44页 |
| 3.5 实验结果与分析 | 第44-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第4章 基于HMM的人体行为模式分类算法研究 | 第50-64页 |
| 4.1 HMM算法概述 | 第50-51页 |
| 4.2 HMM的基本定义 | 第51-52页 |
| 4.3 HMM模型的基本算法 | 第52-56页 |
| 4.3.1 评估问题 | 第52-54页 |
| 4.3.2 解码问题 | 第54-55页 |
| 4.3.3 学习问题 | 第55-56页 |
| 4.4 基于HMM的人体行为分类 | 第56-63页 |
| 4.4.1 HMM模型的训练 | 第56-58页 |
| 4.4.2 行为分类识别 | 第58-60页 |
| 4.4.3 实验结果与分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-68页 |
| 5.1 全文工作总结 | 第64-65页 |
| 5.2 展望 | 第65-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 攻读硕士学位期间获得与学位论文相关的科研成果 | 第72页 |
