基于Delaunay骨架模型的人体行为识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·发展现状 | 第10-12页 |
| ·本文的主要工作及内容安排 | 第12-15页 |
| ·本文的主要工作 | 第13页 |
| ·本文的内容安排 | 第13-15页 |
| 第2章 移动前景检测 | 第15-25页 |
| ·移动前景检测算法的概述 | 第15-19页 |
| ·光流法 | 第15-16页 |
| ·帧差法 | 第16-17页 |
| ·背景差分法 | 第17-19页 |
| ·作者采用的测试和训练数据库 | 第19页 |
| ·作者采用的移动前景检测算法 | 第19-23页 |
| ·基本全局阈值算法 | 第21-22页 |
| ·对前景二值图像的后处理 | 第22-23页 |
| ·作者采用的移动前景检测算法的实验结果 | 第23-24页 |
| ·小结 | 第24-25页 |
| 第3章 Delaunay骨架模型 | 第25-40页 |
| ·边界提取 | 第25-26页 |
| ·提取边界上的离散点 | 第26-29页 |
| ·构建Delaunay三角网 | 第29-33页 |
| ·遍历算法 | 第33-35页 |
| ·能量参数的选取 | 第35-37页 |
| ·重力势能 | 第35-36页 |
| ·动能 | 第36-37页 |
| ·将骨架模型转换为数字符号 | 第37-39页 |
| ·小结 | 第39-40页 |
| 第4章 隐马尔科夫模型 | 第40-49页 |
| ·马尔科夫过程及马尔科夫链 | 第40-42页 |
| ·隐马尔科夫模型 | 第42-47页 |
| ·前向算法和后向算法 | 第43-44页 |
| ·Viterbi算法 | 第44-45页 |
| ·Baum-Welch算法 | 第45-47页 |
| ·实验结果与分析 | 第47-48页 |
| ·小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
