多视角行为识别与估计
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·研究目标和内容 | 第12-13页 |
| ·论文的组织和安排 | 第13-14页 |
| 第二章 行为识别基本步骤与原理 | 第14-20页 |
| ·基本步骤 | 第14页 |
| ·基本原理 | 第14-19页 |
| ·图像分割 | 第14-15页 |
| ·形态学处理 | 第15-17页 |
| ·特征 | 第17页 |
| ·关键帧提取 | 第17-18页 |
| ·关键帧匹配 | 第18页 |
| ·行为识别 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 一般场景下单视角行为识别 | 第20-28页 |
| ·特征提取 | 第20页 |
| ·利用混合高斯模型进行图像分割 | 第20-22页 |
| ·Hu不变矩 | 第22-24页 |
| ·关键帧匹配 | 第24页 |
| ·利用HMM模型进行行为识别 | 第24-26页 |
| ·HMM参数训练 | 第25-26页 |
| ·人体行为状态识别 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第四章 复杂场景下多视角行为识别 | 第28-40页 |
| ·视频序列预处理 | 第28页 |
| ·复杂场景下背景差分与GMM混合高斯模型的比较 | 第28-32页 |
| ·建立人体行为模板库 | 第32-35页 |
| ·手动提取关键帧 | 第32页 |
| ·K-means提取关键帧 | 第32-35页 |
| ·多视角联合决策 | 第35-38页 |
| ·Borda投票 | 第36-37页 |
| ·牛顿冷却定律 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 将多视角行为识别运用于ATM智能安防系统 | 第40-44页 |
| ·基于机器人技术的ATM智能安防系统 | 第40-41页 |
| ·项目研究目标 | 第41页 |
| ·主要技术指标 | 第41-42页 |
| ·人体行为识别软件设计与实现 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 总结与展望 | 第44-47页 |
| ·工作总结 | 第44页 |
| ·展望 | 第44-47页 |
| 参考文献 | 第47-49页 |
| 致谢 | 第49-50页 |
| 附件 | 第50页 |
