| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-16页 |
| 1.2.1 视频识别研究现状 | 第10-11页 |
| 1.2.2 运动识别研究现状 | 第11-13页 |
| 1.2.3 人体运动分析的常用模型方法 | 第13-16页 |
| 1.3 研究内容 | 第16-17页 |
| 第二章 运动目标跟踪及特征提取 | 第17-37页 |
| 2.1 主流跟踪方法 | 第17-20页 |
| 2.1.1 基于模型的人体跟踪 | 第17-18页 |
| 2.1.2 基于区域的人体跟踪 | 第18-19页 |
| 2.1.3 基于特征的人体跟踪 | 第19页 |
| 2.1.4 基于轮廓的人体跟踪 | 第19-20页 |
| 2.2 图像特征 | 第20-23页 |
| 2.2.1 颜色特征 | 第20-21页 |
| 2.2.2 纹理特征 | 第21-22页 |
| 2.2.3 形状特征 | 第22页 |
| 2.2.4 空间关系特征 | 第22-23页 |
| 2.3 基于软件的目标跟踪及特征提取 | 第23-28页 |
| 2.3.1 Kinovea软件介绍 | 第23-24页 |
| 2.3.2 Kinovea软件应用 | 第24-25页 |
| 2.3.3 Kinovea软件在视频跟踪中的应用 | 第25-28页 |
| 2.4 基于MeanShift算法的目标跟踪及特征提取 | 第28-36页 |
| 2.4.1 引言 | 第28-29页 |
| 2.4.2 MeanShift算法简介 | 第29页 |
| 2.4.3 MeanShift算法原理 | 第29-31页 |
| 2.4.4 基于MeanShift的目标跟踪 | 第31-36页 |
| 2.5 小结 | 第36-37页 |
| 第三章 运动目标跑步姿势识别 | 第37-43页 |
| 3.1 主流识别算法 | 第37-38页 |
| 3.1.1 模板匹配的方法 | 第37-38页 |
| 3.1.2 基于语句的方法 | 第38页 |
| 3.1.3 概率统计的方法 | 第38页 |
| 3.2 基于KNN的识别算法 | 第38-41页 |
| 3.2.1 K近邻算法原理 | 第40页 |
| 3.2.2 K近邻算法应用 | 第40-41页 |
| 3.3 小结 | 第41-43页 |
| 第四章 跑步姿势识别实验与分析 | 第43-51页 |
| 4.1 引言 | 第43-44页 |
| 4.2 背面角度 | 第44-49页 |
| 4.2.1 60维实验 | 第44-47页 |
| 4.2.3 30维实验 | 第47-49页 |
| 4.3 侧面角度 | 第49-50页 |
| 4.4 小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-54页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |