基于视觉的人体行为识别研究与系统设计实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及问题分析 | 第10-14页 |
| 1.2.1 国内外研究现状 | 第10-13页 |
| 1.2.2 难点问题分析 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 运动人体目标的检测与分割 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 基于自适应ViBe的前景目标检测 | 第16-23页 |
| 2.2.1 常用的前景检测算法 | 第16-17页 |
| 2.2.2 ViBe背景建模和前景检测 | 第17-20页 |
| 2.2.3 自适应ViBe背景建模 | 第20-21页 |
| 2.2.4 实验结果和分析 | 第21-23页 |
| 2.3 形态学后期处理 | 第23页 |
| 2.4 基于质心的运动目标分割 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于网格的快速特征融合 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 光流特征提取 | 第25-30页 |
| 3.2.1 光流及常用计算方法 | 第25-28页 |
| 3.2.2 基于运动区域的光流计算方法 | 第28-30页 |
| 3.3 改进的多特征融合 | 第30-35页 |
| 3.3.1 常用的光流融合方法 | 第30-31页 |
| 3.3.2 基于网格的快速特征融合 | 第31-32页 |
| 3.3.3 融合特征实验比较与分析 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于SVM-HMM模型的行为识别 | 第36-50页 |
| 4.1 引言 | 第36页 |
| 4.2 SVM模型设计 | 第36-40页 |
| 4.2.1 SVM原理及算法 | 第36-39页 |
| 4.2.2 基于关键帧的SVM模型训练 | 第39-40页 |
| 4.3 SVM-HMM层模型的设计 | 第40-47页 |
| 4.3.1 HMM原理及算法 | 第40-46页 |
| 4.3.2 SVM到HMM中激发概率的转化 | 第46页 |
| 4.3.3 基于SVM-HMM的行为训练与识别 | 第46-47页 |
| 4.4 实验比较与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 人体行为识别系统的设计实现 | 第50-60页 |
| 5.1 引言 | 第50页 |
| 5.2 开发环境和工具简介 | 第50-52页 |
| 5.3 系统框架和模块设计 | 第52-58页 |
| 5.4 系统运行结果 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 第6章 总结和展望 | 第60-62页 |
| 6.1 全文的工作总结 | 第60-61页 |
| 6.2 进一步的研究设想 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65页 |
