基于多特征融合的行为识别算法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景及意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-15页 |
| 1.5 本论文的结构安排 | 第15-16页 |
| 第二章 识别方法综述 | 第16-20页 |
| 2.1 行为识别算法 | 第16-19页 |
| 2.1.1 模板匹配法 | 第16-17页 |
| 2.1.2 状态空间法 | 第17-18页 |
| 2.1.3 特征提取法 | 第18-19页 |
| 2.2 本章小结 | 第19-20页 |
| 第三章 运动目标检测 | 第20-25页 |
| 3.1 背景减除法 | 第20-21页 |
| 3.2 帧间差分法 | 第21-23页 |
| 3.3 其他检测方法 | 第23页 |
| 3.4 本章小结 | 第23-25页 |
| 第四章 特征提取与特征融合 | 第25-45页 |
| 4.1 SIFT特征 | 第25-29页 |
| 4.1.1 尺度空间极值点检测 | 第26-27页 |
| 4.1.2 关键点精确定位 | 第27-28页 |
| 4.1.3 关键点方向确定 | 第28页 |
| 4.1.4 关键点描述符 | 第28-29页 |
| 4.2 SURF特征 | 第29-32页 |
| 4.2.1 基于Hessian矩阵的关键点检测 | 第30-31页 |
| 4.2.2 SURF特征描述子的生成 | 第31-32页 |
| 4.3 ORB特征 | 第32-35页 |
| 4.3.1 带方向的FAST特征点检测 | 第32-33页 |
| 4.3.2 具有旋转不变性BRIEF描述子生成 | 第33-35页 |
| 4.4 算法对比 | 第35-39页 |
| 4.4.1 尺寸变化 | 第35-36页 |
| 4.4.2 旋转变化 | 第36-38页 |
| 4.4.3 平移变化 | 第38-39页 |
| 4.5 特征融合 | 第39-44页 |
| 4.5.1 HOG描述子 | 第39-41页 |
| 4.5.2 光流与HOG描述子 | 第41-43页 |
| 4.5.3 HOG描述子与HOF描述子融合 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 SVM行为识别 | 第45-54页 |
| 5.1 支持向量机 | 第45-48页 |
| 5.1.1 SVM基本原理 | 第45-46页 |
| 5.1.2 SVM核函数 | 第46-48页 |
| 5.2 实验内容与结果分析 | 第48-53页 |
| 5.3 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61页 |
