基于双目的人体运动分析与识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1. 课题背景及研究意义 | 第9-10页 |
| 1.2. 国内外研究发展现状 | 第10-13页 |
| 1.3. 本文主要研究内容 | 第13-15页 |
| 第2章 基于单目的人体运动分析 | 第15-32页 |
| 2.1. 引言 | 第15页 |
| 2.2. 运动人体检测 | 第15-19页 |
| 2.2.1. 概述 | 第15-16页 |
| 2.2.2. 帧间差分法检测 | 第16页 |
| 2.2.3. 背景减除法检测 | 第16-18页 |
| 2.2.4. 光流法检测 | 第18-19页 |
| 2.3. 运动人体特征提取 | 第19-25页 |
| 2.3.1. Hu 不变矩特征 | 第19-20页 |
| 2.3.2. 傅里叶描述子特征 | 第20-22页 |
| 2.3.3. Zernike 矩特征 | 第22-24页 |
| 2.3.4. 质心特征 | 第24-25页 |
| 2.4. 特征降维 | 第25-31页 |
| 2.4.1. 局部线性嵌入 | 第25-26页 |
| 2.4.2. 主成分分析(PCA) | 第26-28页 |
| 2.4.3. 局部保持映射(LPP) | 第28-29页 |
| 2.4.4. 保持邻域嵌入(NPE) | 第29-31页 |
| 2.5. 小结 | 第31-32页 |
| 第3章 基于双目的人体运动分析 | 第32-48页 |
| 3.1. 引言 | 第32页 |
| 3.2. 视差矢量和视差图 | 第32-33页 |
| 3.3. 立体匹配算法 | 第33-38页 |
| 3.3.1. 块匹配算法 | 第35-36页 |
| 3.3.2. 半全局区域匹配算法 | 第36-37页 |
| 3.3.3. 图割匹配算法 | 第37-38页 |
| 3.4. 三种算法的结果、比较及选择 | 第38-40页 |
| 3.4.1. 结果与比较 | 第38-39页 |
| 3.4.2. 立体匹配方法选择 | 第39-40页 |
| 3.5. 深度特征提取与融合 | 第40-47页 |
| 3.5.1. 视差图预处理 | 第40-42页 |
| 3.5.2. 直方图特征提取 | 第42-44页 |
| 3.5.3. 基于 PCA 的特征融合 | 第44-45页 |
| 3.5.4. 基于子空间的特征融合 | 第45-47页 |
| 3.6. 小结 | 第47-48页 |
| 第4章 人体运动识别 | 第48-65页 |
| 4.1. 贝叶斯分类 | 第48-50页 |
| 4.1.1. 基本原理 | 第48页 |
| 4.1.2. 朴素贝叶斯分类 | 第48-50页 |
| 4.2. 支持向量机分类 | 第50-53页 |
| 4.2.1. 基本原理 | 第50页 |
| 4.2.2. SVM 分类过程 | 第50-53页 |
| 4.3. 系统实现 | 第53-57页 |
| 4.3.1. 系统框架 | 第54页 |
| 4.3.2. 各个模块介绍 | 第54-56页 |
| 4.3.3. LIBSVM 的使用 | 第56-57页 |
| 4.4. 实验结果分析 | 第57-64页 |
| 4.4.1. 基于视差图特征的分类分析 | 第57-60页 |
| 4.4.2. 基于轮廓特征的分类分析 | 第60-62页 |
| 4.4.3. 基于融合特征的分类分析 | 第62-64页 |
| 4.5. 小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |
