基于分层模型的人体行为识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-24页 |
| ·研究背景 | 第9-17页 |
| ·引言 | 第9页 |
| ·应用背景及意义 | 第9-11页 |
| ·行为分析算法的研究现状 | 第11-16页 |
| ·行为分析算法的比较 | 第16-17页 |
| ·人体行为分析的分层模型 | 第17-22页 |
| ·概念的提出 | 第17-20页 |
| ·行为识别系统框架 | 第20-22页 |
| ·本文主要研究内容 | 第22-24页 |
| ·主要研究内容 | 第22页 |
| ·论文结构安排 | 第22-24页 |
| 第2章 基于人体轮廓特征的姿态识别 | 第24-38页 |
| ·引言 | 第24-25页 |
| ·算法架构 | 第25-26页 |
| ·人体轮廓提取 | 第26-28页 |
| ·高斯混合模型 | 第26-27页 |
| ·背景模型更新及参数选择 | 第27页 |
| ·归一化轮廓图像 | 第27-28页 |
| ·人体姿态建模 | 第28-33页 |
| ·傅立叶描述子 | 第28-30页 |
| ·姿态建模 | 第30-31页 |
| ·样本的训练 | 第31-32页 |
| ·分层识别器 | 第32-33页 |
| ·实验 | 第33-37页 |
| ·实验样本选择和训练 | 第33-34页 |
| ·各种姿态的识别结果 | 第34-35页 |
| ·阴影干扰情况下的识别结果 | 第35-36页 |
| ·对比实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第3章 结合关键帧提取的人体行为识别 | 第38-52页 |
| ·关键帧提取技术概述 | 第38-39页 |
| ·一种关键帧提取方法 | 第39-43页 |
| ·特征向量及距离矩阵 | 第39-40页 |
| ·阈值选取 | 第40-42页 |
| ·方法有效性 | 第42-43页 |
| ·人体动作识别 | 第43-47页 |
| ·算法流程 | 第43-44页 |
| ·实验及结果分析 | 第44-47页 |
| ·识别结果优化 | 第47-50页 |
| ·窗口平滑函数 | 第47-48页 |
| ·实验结果 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 行为识别在监控系统中的应用 | 第52-62页 |
| ·概述 | 第52-54页 |
| ·智能监控系统研究现状 | 第52-53页 |
| ·监控系统中的异常行为 | 第53-54页 |
| ·基于运动特征的异常行为识别 | 第54-57页 |
| ·目标运动轨迹 | 第54-56页 |
| ·算法策略 | 第56-57页 |
| ·系统应用 | 第57-61页 |
| ·系统设计 | 第57-58页 |
| ·系统运行 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 总结和展望 | 第62-64页 |
| ·本文工作总结 | 第62页 |
| ·文章的主要创新点 | 第62-63页 |
| ·未来工作展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69-70页 |
| 致谢 | 第70页 |
