基于视频序列的人体肢体标定研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 图目录 | 第10-12页 |
| 表目录 | 第12-13页 |
| 第1章 绪论 | 第13-21页 |
| ·引言 | 第13-14页 |
| ·国内外相关领域的研究现状与研究趋势 | 第14-19页 |
| ·研究现状 | 第14-17页 |
| ·研究趋势 | 第17-19页 |
| ·本文主要工作与特色 | 第19页 |
| ·本文的组织结构 | 第19-21页 |
| 第2章 预备知识 | 第21-35页 |
| ·OpenCV简介 | 第21-24页 |
| ·系统约束假设 | 第24-25页 |
| ·运动假设 | 第24页 |
| ·外部环境假设 | 第24-25页 |
| ·运动人体检测技术 | 第25-29页 |
| ·相邻帧间差分法 | 第25-26页 |
| ·背景差分法 | 第26-27页 |
| ·光流法 | 第27-28页 |
| ·基于高斯背景模型的人体检测方法 | 第28-29页 |
| ·积分图像 | 第29-30页 |
| ·Delaunay三角剖分 | 第30-35页 |
| ·Delaunay三角剖分的定义、性质 | 第30-33页 |
| ·Voronoi图 | 第30-32页 |
| ·Delaunay三角剖分 | 第32页 |
| ·Delaunay三角剖分特性 | 第32-33页 |
| ·Delaunay三角剖分的生成算法 | 第33-35页 |
| ·分割—归并法 | 第33页 |
| ·逐点插入法 | 第33页 |
| ·三角网生长法 | 第33-35页 |
| 第3章 人体头部定位算法研究 | 第35-47页 |
| ·引言 | 第35-36页 |
| ·凸型模板头部定位算法分析 | 第36-37页 |
| ·算法原理 | 第36-37页 |
| ·算法分析 | 第37页 |
| ·改进型凸型模板 | 第37-40页 |
| ·多自由度躯体模型 | 第37-38页 |
| ·头部定位算法 | 第38-39页 |
| ·头部定位算法实现步骤 | 第39-40页 |
| ·躯干倾斜角度参数α提取 | 第40-41页 |
| ·前景非零像素快速统计方法 | 第41-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·实验设置 | 第42页 |
| ·一般性实验 | 第42-43页 |
| ·躯干倾斜和头部偏离躯干中线情况下的对比实验 | 第43-44页 |
| ·本文算法适应人体倾斜能力进一步考察 | 第44页 |
| ·手臂接近头部情况下的实验考察 | 第44页 |
| ·应用于多个直立人体头部定位 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第4章 人体肢体定位算法研究 | 第47-75页 |
| ·引言 | 第47-48页 |
| ·人体肢体定位系统框架 | 第48-49页 |
| ·人体肢体定位算法 | 第49-64页 |
| ·基于Delaunay三角剖分的人体肢体划分算法 | 第49-60页 |
| ·经典的等间隔点三角划分 | 第49-52页 |
| ·基于角点的三角化新方法 | 第52-53页 |
| ·人体骨架提取 | 第53-58页 |
| ·人体肢体划分 | 第58-60页 |
| ·基于人体Six-Segment模型识别新方法 | 第60-64页 |
| ·人体Six-Segment模型由来 | 第60页 |
| ·Six-Segment模型参数新的获取方法 | 第60-62页 |
| ·肢体识别 | 第62-64页 |
| ·更为完善的人体建模考虑 | 第64-67页 |
| ·实验结果与分析 | 第67-71页 |
| ·人体Six-Segment模型实验结果与分析 | 第67-68页 |
| ·本文所提正视下的人体模型实验结果与分析 | 第68-69页 |
| ·本文所提侧视下的人体模型实验结果与分析 | 第69-71页 |
| ·人体模型获取失败的实验结果与分析 | 第71页 |
| ·简单人的行为识别探讨 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第5章 总结和展望 | 第75-77页 |
| ·论文总结 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-82页 |
| 在读期间发表的学术论文与取得的研究成果 | 第82页 |
