| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 单目环境下人体姿态估计的特点 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 本文的主要工作及创新 | 第11-12页 |
| 1.4.1 本文的主要工作 | 第11页 |
| 1.4.2 论文的创新点 | 第11-12页 |
| 1.5 论文的安排 | 第12-13页 |
| 第二章 相关理论介绍 | 第13-26页 |
| 2.1 人体姿态的外观特征提取算法 | 第13-20页 |
| 2.1.1 形状上下文(Shape Context) | 第13-15页 |
| 2.1.2 尺度不变特征变换(Scale Invariant Feature Transform) | 第15-17页 |
| 2.1.3 局部二元模式(Local Binary Pattern) | 第17-19页 |
| 2.1.4 梯度方向直方图(Histograms of Oriented Gradients) | 第19-20页 |
| 2.2 回归算法 | 第20-25页 |
| 2.2.1 支持向量机(Support Vector Machine, SVM) | 第20-22页 |
| 2.2.2 相关向量机(Relevance Vector Machine, RVM) | 第22-24页 |
| 2.2.3 核函数的选择 | 第24-25页 |
| 2.3 本章小节 | 第25-26页 |
| 第三章 基于方向梯度直方图的人体外观特征提取 | 第26-37页 |
| 3.1 运动目标提取 | 第26-30页 |
| 3.1.1 背景减除 | 第26-28页 |
| 3.1.2 基于 HSV 空间的阴影去除 | 第28-30页 |
| 3.2 方向梯度直方图介绍 | 第30-31页 |
| 3.3 梯度计算 | 第31-35页 |
| 3.3.1 梯度算子基于多尺度的方向梯度直方图 | 第31-32页 |
| 3.3.2 基于多尺度的梯度算子 | 第32-33页 |
| 3.3.3 一维中心算子与多尺度梯度算子的对比实验 | 第33-35页 |
| 3.4 基于梯度方向的梯度幅值统计 | 第35-36页 |
| 3.5 本章小节 | 第36-37页 |
| 第四章 基于多尺度方向梯度直方图的人体姿态估计 | 第37-48页 |
| 4.1 人体姿态表达 | 第38-40页 |
| 4.2 人体姿态估计 | 第40-46页 |
| 4.2.1 相关向量机的设置 | 第40-42页 |
| 4.2.2 人体姿态估计结果分析 | 第42-46页 |
| 4.2.3 实验总结 | 第46页 |
| 4.3 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-49页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录 A 攻读学位其间发表的论文 | 第53-54页 |
| 详细摘要 | 第54-58页 |
