基于视频的人体运动行为分析
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 视频中人体运动分析技术的发展趋势 | 第16-17页 |
| 1.4 视频中人体行为识别研究的难点 | 第17-19页 |
| 1.5 论文的主要研究内容与章节安排 | 第19-21页 |
| 第二章 人体行为识别概述 | 第21-25页 |
| 2.1 人体运动行为识别的过程 | 第21-22页 |
| 2.2 人体行为识别的方法 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 图像预处理 | 第25-35页 |
| 3.1 图像增强 | 第25-28页 |
| 3.1.1 图像灰度变换 | 第25-26页 |
| 3.1.2 直方图均衡 | 第26-28页 |
| 3.2 图像去噪 | 第28-31页 |
| 3.2.1 邻域平均滤波法 | 第29-30页 |
| 3.2.2 中值滤波 | 第30-31页 |
| 3.3 图像的后处理 | 第31-33页 |
| 3.4 实验内容与结果分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 运动人体检测 | 第35-48页 |
| 4.1 运动人体检测方法 | 第35-39页 |
| 4.1.1 光流法 | 第35-36页 |
| 4.1.2 帧间差分法 | 第36-38页 |
| 4.1.3 背景减除法 | 第38-39页 |
| 4.2 高斯背景建模 | 第39-44页 |
| 4.2.1 单高斯背景建模 | 第40-41页 |
| 4.2.2 高斯混合模型 | 第41-44页 |
| 4.3 结合背景减除的光流法 | 第44-45页 |
| 4.4 实验内容与结果分析 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 人体特征提取 | 第48-56页 |
| 5.1 特征提取概述 | 第48页 |
| 5.2 人体运动特征的表征方法 | 第48-51页 |
| 5.2.1 基于外观形状特征的方法 | 第49-50页 |
| 5.2.2 基于运动特征的方法 | 第50-51页 |
| 5.3 HOG 特征的提取 | 第51-55页 |
| 5.3.1 HOG 算法 | 第51-52页 |
| 5.3.2 梯度计算 | 第52-54页 |
| 5.3.3 标准化和归一化 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 人体行为识别 | 第56-69页 |
| 6.1 人体行为识别方法 | 第56-59页 |
| 6.1.1 模板匹配方法 | 第56页 |
| 6.1.2 基于状态转移图模型方法 | 第56-59页 |
| 6.2 支持向量机（SVM） | 第59-63页 |
| 6.3 训练和分类理论 | 第63-64页 |
| 6.4 实验内容和结果分析 | 第64-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 7.1 本文工作总结 | 第69页 |
| 7.2 工作展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 作者攻读学位期间发表的论文 | 第75页 |
