老年公寓智能视频监控系统设计
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状与发展趋势 | 第9-11页 |
| 1.3 课题主要内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-14页 |
| 第2章 目标检测 | 第14-35页 |
| 2.1 目标检测方法介绍 | 第14-25页 |
| 2.1.1 光流法 | 第14-16页 |
| 2.1.2 背景减除法 | 第16-18页 |
| 2.1.3 帧差法 | 第18-21页 |
| 2.1.4 背景建模法 | 第21-25页 |
| 2.2 本文目标检测算法 | 第25-35页 |
| 2.2.1 随机变量各阶矩 | 第26页 |
| 2.2.2 颜色模型介绍 | 第26-29页 |
| 2.2.3 分块背景模型估计法 | 第29-32页 |
| 2.2.4 分级分块估计法 | 第32-35页 |
| 第3章 姿态特征提取 | 第35-55页 |
| 3.1 人体模型介绍 | 第35-37页 |
| 3.2 边缘检测技术 | 第37-50页 |
| 3.2.1 图像边缘检测概述及算法 | 第37-40页 |
| 3.2.2 Sobel边缘算子 | 第40-41页 |
| 3.2.3 Roberts边缘算子 | 第41-42页 |
| 3.2.4 Prewitt边缘算子 | 第42-44页 |
| 3.2.5 Laplacian边缘算子 | 第44-45页 |
| 3.2.6 Log边缘算子 | 第45-47页 |
| 3.2.7 Canny边缘算子 | 第47-50页 |
| 3.3 人体姿态特征提取 | 第50-55页 |
| 3.3.1 人体姿态特征提取概述 | 第50页 |
| 3.3.2 姿态特征模型特征量 | 第50-55页 |
| 第4章 人体姿态识别算法 | 第55-69页 |
| 4.1 神经网络介绍 | 第55-62页 |
| 4.1.1 神经网络原理 | 第55-56页 |
| 4.1.2 BP神经元 | 第56-57页 |
| 4.1.3 BP算法原理 | 第57-60页 |
| 4.1.4 BP算法的改进 | 第60-62页 |
| 4.2 BP神经网络的训练策略及结果 | 第62-63页 |
| 4.2.1 BP网络结构的确定 | 第62-63页 |
| 4.2.2 误差的选取 | 第63页 |
| 4.3 姿态识别 | 第63-65页 |
| 4.3.1 样本的获取 | 第63-64页 |
| 4.3.2 姿态分类过程 | 第64-65页 |
| 4.4 仿真与验证 | 第65-69页 |
| 第5章 总结与展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72页 |
