动作识别在交通指挥中的应用研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 人体动作识别简述 | 第12-13页 |
| 1.2 人体动作识别的应用领域 | 第13-15页 |
| 1.2.1 智能视频监控 | 第13页 |
| 1.2.2 高级人机交互 | 第13-14页 |
| 1.2.3 智慧城市家居 | 第14页 |
| 1.2.4 体育运动与健康医疗 | 第14-15页 |
| 1.3 交通指挥动作识别的研究意义 | 第15-17页 |
| 1.4 交通指挥动作识别的研究现状 | 第17-18页 |
| 1.5 论文内容及章节安排 | 第18-19页 |
| 第2章 人体运动区域检测及图像预处理 | 第19-27页 |
| 2.1 人体运动区域检测 | 第19-23页 |
| 2.1.1 常用的运动区域检测方法 | 第19-22页 |
| 2.1.2 本文采用的运动区域检测方法 | 第22-23页 |
| 2.2 图像预处理 | 第23-26页 |
| 2.2.1 图像灰度化 | 第23-25页 |
| 2.2.2 图像滤波 | 第25页 |
| 2.2.3 形态学图像处理 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 动作分割及关键帧姿态提取 | 第27-36页 |
| 3.1 交通指挥动作分析 | 第27-29页 |
| 3.2 动作分割 | 第29-32页 |
| 3.2.1 动作分割方法 | 第29页 |
| 3.2.2 基于动作特征变化率的动作分割 | 第29-32页 |
| 3.3 关键帧姿态提取 | 第32-35页 |
| 3.3.1 轮廓向量 | 第32-33页 |
| 3.3.2 基于轮廓向量的关键帧姿态提取 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 特征提取 | 第36-53页 |
| 4.1 图像特征 | 第36-39页 |
| 4.1.1 特征向量及其几何解释 | 第36-37页 |
| 4.1.2 特征提取的一般原则及评价标准 | 第37-39页 |
| 4.2 特征提取的方法 | 第39-44页 |
| 4.2.1 基于特征的方法 | 第39-42页 |
| 4.2.2 基于模型的方法 | 第42-44页 |
| 4.3 本文的动作特征提取方法 | 第44-52页 |
| 4.3.1 骨架 | 第44-45页 |
| 4.3.2 骨架提取算法 | 第45-48页 |
| 4.3.3 优化后的基于距离变换的骨架提取算法 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第5章 模板匹配与动作识别 | 第53-65页 |
| 5.1 动作识别 | 第53-54页 |
| 5.1.1 动作识别方法 | 第53-54页 |
| 5.1.2 动作识别存在的难点 | 第54页 |
| 5.2 模板匹配 | 第54-58页 |
| 5.2.1 样本模板 | 第55页 |
| 5.2.2 模板匹配中的距离度量 | 第55-56页 |
| 5.2.3 一种改进的模板匹配方法 | 第56-58页 |
| 5.3 系统设计及实验验证 | 第58-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 作者攻读硕士学位期间发表的学术论文目录 | 第72页 |
