基于视频的运动人体异常行为分析识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-12页 |
| 第一章 绪论 | 第12-22页 |
| ·研究背景及意义 | 第12-15页 |
| ·关键技术研究现状 | 第15-19页 |
| ·视觉分析的研究现状 | 第15-18页 |
| ·视觉分析的发展趋势 | 第18-19页 |
| ·本文的研究内容、方法与主要成果 | 第19-21页 |
| ·本文的内容组织 | 第21-22页 |
| 第二章 目标检测概述 | 第22-40页 |
| ·引言 | 第22-23页 |
| ·前景背景的有效分离 | 第23-32页 |
| ·前景图像的后期处理 | 第32-38页 |
| ·去除阴影 | 第32-34页 |
| ·空洞处理 | 第34-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 运动目标的跟踪 | 第40-58页 |
| ·引言 | 第40-42页 |
| ·粒子滤波跟踪技术 | 第42-48页 |
| ·基于贝叶斯估计的跟踪问题描述 | 第42-43页 |
| ·粒子滤波算法 | 第43-48页 |
| ·自动提取跟踪范围的粒子滤波跟踪研究 | 第48-56页 |
| ·自动选取跟踪区域 | 第48-53页 |
| ·基于彩色特征的粒子滤波器行人跟踪算法 | 第53-56页 |
| ·实验与分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第四章 基于模板的行为分类 | 第58-86页 |
| ·引言 | 第58-61页 |
| ·图形相似度的度量 | 第61-65页 |
| ·Hu 矩 | 第62-63页 |
| ·Zernike 矩 | 第63-64页 |
| ·Zernike 速度矩 | 第64-65页 |
| ·解卷绕表示度量方法 | 第65-72页 |
| ·人体轮廓预处理 | 第65-69页 |
| ·特征表示度量 | 第69-72页 |
| ·模板比对的方法 | 第72-78页 |
| ·模板的生成算法 | 第72-74页 |
| ·最小标准方差的分类算法 | 第74-76页 |
| ·平均值与最小方差加权的分类算法 | 第76-78页 |
| ·实验与分析 | 第78-83页 |
| ·解卷绕表示方法实验 | 第78-80页 |
| ·模板对比分类 | 第80-83页 |
| ·本章小结 | 第83-86页 |
| 第五章 基于模糊理论的运动行为的分类 | 第86-100页 |
| ·引言 | 第86-87页 |
| ·基于模糊神经网络的分类方法 | 第87-89页 |
| ·模糊神经网络结构 | 第87-88页 |
| ·判别规则 | 第88-89页 |
| ·学习算法 | 第89页 |
| ·基于模糊联想记忆的分类方法 | 第89-97页 |
| ·隐马尔可夫模型的概念 | 第89-91页 |
| ·隐马尔可夫模型主要问题的解决方案 | 第91-92页 |
| ·隐马尔可夫模型在人体行为识别中的应用 | 第92-94页 |
| ·步态分类器的构建 | 第94-97页 |
| ·实验与分析 | 第97-99页 |
| ·基于模糊神经网络分类 | 第97-98页 |
| ·基于模糊联想记忆法分类 | 第98-99页 |
| ·本章小结 | 第99-100页 |
| 第六章 异常行为识别研究 | 第100-124页 |
| ·引言 | 第100-101页 |
| ·模板比对法 | 第101-102页 |
| ·基于模糊理论的异常行为识别方法 | 第102-109页 |
| ·建立人体关节模型 | 第102-103页 |
| ·异常行为识别框架 | 第103-109页 |
| ·可变场景下的异常行为识别 | 第109-115页 |
| ·行人的特征表示 | 第109-113页 |
| ·可变场景识别框架结构 | 第113-114页 |
| ·使用pLSA 学习识别异常 | 第114-115页 |
| ·实验与分析 | 第115-121页 |
| ·基于模糊理论的异常识别 | 第115-118页 |
| ·使用pLSA 学习识别异常 | 第118-121页 |
| ·本章小结 | 第121-124页 |
| 第七章 总结与展望 | 第124-130页 |
| ·本文总结 | 第124-126页 |
| ·未来展望 | 第126-130页 |
| 致谢 | 第130-132页 |
| 参考文献 | 第132-142页 |
| 攻读博士学位期间完成的论文和科研工作 | 第142-144页 |
