基于视觉的人体行为识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-18页 |
| ·本文研究背景及意义 | 第9-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·人体行为识别(HAR)常用方法 | 第13-15页 |
| ·基于时空的方法 | 第13-14页 |
| ·基于状态空间的方法 | 第14页 |
| ·基于人体模型的方法 | 第14-15页 |
| ·本文研究内容及章节安排 | 第15-18页 |
| ·本文研究内容 | 第15-16页 |
| ·本文章节安排 | 第16-18页 |
| 第二章 运动目标检测 | 第18-25页 |
| ·引言 | 第18页 |
| ·目标检测的基本方法 | 第18-21页 |
| ·背景差分法 | 第19-20页 |
| ·帧间差分法 | 第20页 |
| ·光流法 | 第20-21页 |
| ·运动目标提取 | 第21-24页 |
| ·分帧处理 | 第21页 |
| ·图像序列的灰度化处理 | 第21页 |
| ·图像序列的分割 | 第21-22页 |
| ·数学形态学处理 | 第22-24页 |
| ·感兴趣区域(ROI)提取和图像归一化 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人体行为特征提取 | 第25-33页 |
| ·引言 | 第25-26页 |
| ·基于主成份分析(PCA)的人体外形特征提取 | 第26-28页 |
| ·运动特征 | 第28-32页 |
| ·最小外接矩形高宽比 | 第28-29页 |
| ·人体姿态变化率 | 第29-31页 |
| ·人体运动速率 | 第31-32页 |
| ·基于外形与运动特征相结合的特征提取方法 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于RBF神经网络的人体行为识别算法 | 第33-40页 |
| ·引言 | 第33-34页 |
| ·基于聚类的RBF网络模型与学习算法 | 第34-38页 |
| ·人工神经网络(ANN)简介 | 第34-36页 |
| ·RBF网络模型 | 第36-37页 |
| ·RBF网络学习算法 | 第37-38页 |
| ·基于聚类的RBF神经网络的人体行为识别算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 人体行为识别实验及分析 | 第40-48页 |
| ·本文实验环境和数据集 | 第40页 |
| ·实验环境 | 第40页 |
| ·实验数据集 | 第40页 |
| ·运动目标轮廓提取实验 | 第40-45页 |
| ·运动目标检测结果 | 第40-43页 |
| ·形态学处理结果 | 第43-44页 |
| ·感兴趣运动区域(ROI)提取结果 | 第44-45页 |
| ·人体行为识别算法实验与分析 | 第45-47页 |
| ·样本选择与处理 | 第45页 |
| ·识别算法评价方法 | 第45页 |
| ·RBF网络的训练与识别 | 第45-46页 |
| ·实验分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| ·本文工作总结 | 第48页 |
| ·工作展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 致谢 | 第55页 |
