| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-11页 |
| 1.3 教育录播系统 | 第11-12页 |
| 1.4 研究难点 | 第12-14页 |
| 1.5 论文研究内容和结构安排 | 第14-17页 |
| 2 基于视频的运动目标检测 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 常用的运动目标检测方法 | 第17-21页 |
| 2.2.1 帧间差分法 | 第17-18页 |
| 2.2.2 光流法 | 第18页 |
| 2.2.3 混合高斯法 | 第18-20页 |
| 2.2.4 Vibe法 | 第20页 |
| 2.2.5 码本算法 | 第20-21页 |
| 2.2.6 常用方法的实验结果分析 | 第21页 |
| 2.3 基于背景减除法的运动目标检测方法 | 第21-26页 |
| 2.3.1 图像预处理 | 第22-23页 |
| 2.3.2 轮廓提取和区域标记 | 第23页 |
| 2.3.3 背景减除法 | 第23-24页 |
| 2.3.4 形态学处理 | 第24-25页 |
| 2.3.5 背景减除法的实验结果与分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 人体行为特征提取与分类识别 | 第27-40页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于动作的形状特征提取 | 第28-31页 |
| 3.2.1 运动能量图和运动历史图 | 第28-30页 |
| 3.2.2 Zernike矩 | 第30-31页 |
| 3.3 基于动作的方向特征提取 | 第31-36页 |
| 3.3.1 全局运动方向 | 第31-33页 |
| 3.3.2 光流特征 | 第33-36页 |
| 3.4 分类识别 | 第36-39页 |
| 3.4.1 常见的分类器简介 | 第36-37页 |
| 3.4.2 K近邻分类器 | 第37-38页 |
| 3.4.3 贝叶斯分类器 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 4 实验结果与分析 | 第40-53页 |
| 4.1 实验开发环境及应用场景 | 第40页 |
| 4.2 视频库 | 第40-42页 |
| 4.2.1 常用的视频库 | 第40-41页 |
| 4.2.2 本文建立的视频库 | 第41-42页 |
| 4.3 实验结果与讨论 | 第42-52页 |
| 4.3.1 基于形状特征的动作识别结果 | 第43-45页 |
| 4.3.2 光流法判断站立和坐下动作实验结果 | 第45-49页 |
| 4.3.3 全局运动方向判断站立和坐下两个动作实验结果 | 第49-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-56页 |
| 5.1 总结 | 第53-54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |