基于视频的运动人体行为捕捉算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-18页 |
| 第2章 人体运动捕捉相关技术研究 | 第18-26页 |
| 2.1 运动目标检测技术研究 | 第18-21页 |
| 2.2 运动目标跟踪技术研究 | 第21-26页 |
| 第3章 基于改进高斯混合模型的人体运动目标检测 | 第26-48页 |
| 3.1 基于高斯混合模型的背景建模算法 | 第26-32页 |
| 3.1.1 多模态背景建模算法研究 | 第26-28页 |
| 3.1.2 参数求解 | 第28-32页 |
| 3.2 自适应高斯混合建模 | 第32-35页 |
| 3.2.1 自适应参数学习 | 第32-34页 |
| 3.2.2 高斯分量数目自适应 | 第34-35页 |
| 3.2.3 背景判定 | 第35页 |
| 3.3 运动目标检测算法实现 | 第35-37页 |
| 3.4 人体运动目标识别 | 第37-43页 |
| 3.4.1 基于人体几何学特征的人体识别 | 第37-39页 |
| 3.4.2 基于人体骨架的人体识别 | 第39-43页 |
| 3.5 实验结果及分析 | 第43-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于粒子滤波算法的人体运动目标跟踪 | 第48-59页 |
| 4.1 基于贝叶斯理论的目标跟踪 | 第48-50页 |
| 4.1.1 状态估计 | 第48-49页 |
| 4.1.2 贝叶斯滤波 | 第49-50页 |
| 4.2 粒子滤波算法研究 | 第50-54页 |
| 4.2.1 蒙特卡洛方法 | 第50-51页 |
| 4.2.2 贝叶斯重要性采样 | 第51页 |
| 4.2.3 序贯重要性采样 | 第51-52页 |
| 4.2.4 粒子退化现象及其解决方法 | 第52-54页 |
| 4.3 结合检测信息的粒子滤波跟踪算法实现 | 第54-57页 |
| 4.3.1 目标状态转移模型设计 | 第55页 |
| 4.3.2 观测模型设计 | 第55-56页 |
| 4.3.3 融合检测信息的重要性概率密度设计 | 第56页 |
| 4.3.4 多目标跟踪算法实现 | 第56-57页 |
| 4.4 实验结果及分析 | 第57页 |
| 4.5 本章小结 | 第57-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间发表论文与研究成果清单 | 第64-65页 |
| 致谢 | 第65页 |
