| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景 | 第10页 |
| 1.2 人体动作识别的现实意义 | 第10-12页 |
| 1.3 人体动作识别的现状和发展 | 第12-16页 |
| 1.4 本文的研究内容及组织结构 | 第16-18页 |
| 第2章 相关理论与技术 | 第18-28页 |
| 2.1 人体运动目标的检测 | 第18-19页 |
| 2.1.1 背景减除法 | 第18页 |
| 2.1.2 帧间差 | 第18-19页 |
| 2.1.3 光流法 | 第19页 |
| 2.2 人体运动目标的跟踪 | 第19-21页 |
| 2.2.1 基于区域的匹配法 | 第19-20页 |
| 2.2.2 基于特征的匹配方法 | 第20页 |
| 2.2.3 基于模型匹配的算法 | 第20页 |
| 2.2.4 mean-shift和camshift算法 | 第20-21页 |
| 2.3 人体运动目标的提取 | 第21-24页 |
| 2.3.1 非模型的方法 | 第22页 |
| 2.3.2 基于模型的方法 | 第22-24页 |
| 2.4 人体运动目标的识别 | 第24-26页 |
| 2.4.1 基于模版的方法 | 第24-25页 |
| 2.4.2 概率统计方法 | 第25-26页 |
| 2.4.3 基于语法的方法 | 第26页 |
| 2.5 时间序列的分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 关键姿势的特征分析与提取 | 第28-34页 |
| 3.1 动作周期性分析 | 第28-30页 |
| 3.1.1 自相关函数 | 第28-29页 |
| 3.1.2 周期估计 | 第29页 |
| 3.1.3 周期性的特征表示 | 第29-30页 |
| 3.2 关键姿势的特征分析 | 第30-32页 |
| 3.2.1 基于内容分析的关键帧提取 | 第30-32页 |
| 3.2.2 基于聚类的关键帧提取 | 第32页 |
| 3.3 实验结果 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 在背景中对运动物体的提取 | 第34-44页 |
| 4.1 对人体的提取 | 第34-36页 |
| 4.1.1 静态图像 | 第34-35页 |
| 4.1.2 动态视频的特征提取 | 第35页 |
| 4.1.3 人体动作识别中特征提取 | 第35-36页 |
| 4.2 时空轮廓 | 第36-39页 |
| 4.2.1 轮廓 | 第36-37页 |
| 4.2.2 轮廓提取 | 第37-39页 |
| 4.2.3 轮廓的表示 | 第39页 |
| 4.3 图像和运动对象的横纵比例 | 第39-41页 |
| 4.4 实验结果 | 第41页 |
| 4.5 本章小结 | 第41-44页 |
| 第5章 基于关键姿势的运动物体识别 | 第44-56页 |
| 5.1 图像和视频识别的基本框架 | 第44-45页 |
| 5.1.1 图像识别系统的基本框架 | 第44-45页 |
| 5.1.2 视频识别系统的基本框架 | 第45页 |
| 5.2 基于时间序列的人体动作识别系统框架 | 第45-46页 |
| 5.3 模式匹配 | 第46-52页 |
| 5.3.1 基于区域的匹配方法 | 第46-47页 |
| 5.3.2 基于轮廓的匹配方法 | 第47-48页 |
| 5.3.3 Hu不变矩 | 第48-49页 |
| 5.3.4 相似度匹配 | 第49-50页 |
| 5.3.5 基于近邻算法的分类识别 | 第50页 |
| 5.3.6 对义近邻算法的改进 | 第50-52页 |
| 5.4 实验结果 | 第52-54页 |
| 5.5 本章小结 | 第54-56页 |
| 第6章 展望与总结 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 进一步的工作 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |