固定场景下的人体姿态识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 研究现状与发展趋势 | 第10-13页 |
| 1.2.1 研究现状 | 第10-12页 |
| 1.2.2 发展趋势 | 第12-13页 |
| 1.3 研究内容与组织结构 | 第13-15页 |
| 第2章 运动前景检测 | 第15-35页 |
| 2.1 引言 | 第15-16页 |
| 2.2 前景图像的获取 | 第16-24页 |
| 2.2.1 帧差法 | 第16-18页 |
| 2.2.2 背景减法 | 第18-20页 |
| 2.2.3 光流法 | 第20页 |
| 2.2.4 背景建模法 | 第20-24页 |
| 2.3 分析与实验 | 第24-34页 |
| 2.3.1 检测方法的比较 | 第24-25页 |
| 2.3.2 改进的Codebook背景模型法 | 第25-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 人体姿态参数提取 | 第35-44页 |
| 3.1 引言 | 第35-36页 |
| 3.2 姿态特征向量 | 第36-43页 |
| 3.2.1 常用几何特征 | 第36-37页 |
| 3.2.2 复杂几何特征 | 第37-39页 |
| 3.2.3 提取图像参数 | 第39-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第4章 姿态分类识别 | 第44-62页 |
| 4.1 引言 | 第44-45页 |
| 4.2 支持向量机 | 第45-56页 |
| 4.2.1 支持向量机原理 | 第45-53页 |
| 4.2.2 LibSVM库的使用 | 第53-56页 |
| 4.3 姿态分类识别 | 第56-61页 |
| 4.3.1 参数分类过程 | 第56-57页 |
| 4.3.2 实验与验证 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
