人体姿态识别技术研究及其在智能监护系统中的应用
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 相关技术及研究现状 | 第12-14页 |
| 1.2.1 家庭智能空间技术 | 第12页 |
| 1.2.2 老人监护服务 | 第12-13页 |
| 1.2.3 行为表示与分析 | 第13-14页 |
| 1.3 课题主要研究问题 | 第14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 2 目标检测 | 第16-31页 |
| 2.1 运动目标检测基本算法 | 第16-20页 |
| 2.2 本文运动目标检测算法 | 第20-28页 |
| 2.2.1 四类背景建模算法 | 第21-26页 |
| 2.2.2 Codebook模型中的阴影消除 | 第26-28页 |
| 2.3 算法效果对比 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 姿态特征提取 | 第31-43页 |
| 3.1 人体姿态的表征方法 | 第31-32页 |
| 3.1.1 基于外观形状特征的表征方法 | 第31-32页 |
| 3.1.2 基于运动特征的表征方法 | 第32页 |
| 3.2 边缘检测概述及其算法 | 第32-37页 |
| 3.2.1 边缘检测概述 | 第32-33页 |
| 3.2.2 前景目标图像预处理 | 第33-36页 |
| 3.2.3 CANNY算法边缘提取 | 第36-37页 |
| 3.3 人体姿态特征提取 | 第37-42页 |
| 3.3.1 骨架模型提取 | 第37-41页 |
| 3.3.2 参数化的运动特征 | 第41-42页 |
| 3.4 CODEBOOK建立 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 人体姿态识别 | 第43-62页 |
| 4.1 隐马尔可夫模型(HMM) | 第43-51页 |
| 4.1.1 马尔可夫模型 | 第43-45页 |
| 4.1.2 隐马尔可夫模型 | 第45-47页 |
| 4.1.3 评估问题 | 第47-49页 |
| 4.1.4 学习问题 | 第49-51页 |
| 4.2 训练分类模型 | 第51-52页 |
| 4.3 姿态分类识别 | 第52-53页 |
| 4.4 实验结果分析 | 第53-61页 |
| 4.4.1 Weizmann数据库分析 | 第53-55页 |
| 4.4.2 自建视频数据分析 | 第55-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 智能监护系统设计 | 第62-69页 |
| 5.1 由姿态识别算法到智能监护系统 | 第62-65页 |
| 5.1.1 多信息融合判断策略 | 第62-64页 |
| 5.1.2 姿态识别相关新存储 | 第64-65页 |
| 5.2 多平台开发 | 第65页 |
| 5.3 系统总体设计 | 第65-66页 |
| 5.4 系统功能设计 | 第66-67页 |
| 5.5 系统实现 | 第67-68页 |
| 5.5.1 主界面部分 | 第67页 |
| 5.5.2 姿态识别功能 | 第67-68页 |
| 5.5.3 异常行为报警功能 | 第68页 |
| 5.5.4 数据记录与查询功能 | 第68页 |
| 5.6 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 主要工作总结 | 第69页 |
| 6.2 工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 图索引 | 第75-77页 |
| 表索引 | 第77-78页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 学位论文数据集 | 第80页 |
