基于时空特性的人体行为识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 行为识别关键技术 | 第11-13页 |
| 1.3 本文的研究内容及文章结构安排 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 论文结构 | 第14-15页 |
| 第2章 基于彩色图像的背景减除法 | 第15-26页 |
| 2.1 运动目标检测简述 | 第15页 |
| 2.2 运动目标提取常用方法 | 第15-22页 |
| 2.2.1 背景减除法 | 第15-16页 |
| 2.2.2 帧差法 | 第16-17页 |
| 2.2.3 光流法 | 第17-19页 |
| 2.2.4 混合高斯模型 | 第19-22页 |
| 2.3 基于彩色图像的背景减除法的实现 | 第22-23页 |
| 2.4 实验结果与比较 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 特征提取技术的实现与时空特征算子的计算 | 第26-40页 |
| 3.1 特征提取技术概述 | 第26-29页 |
| 3.1.1 形状特征 | 第26-28页 |
| 3.1.2 运动特征 | 第28页 |
| 3.1.3 时空特征 | 第28页 |
| 3.1.4 混合特征 | 第28-29页 |
| 3.2 轮廓检测常用方法 | 第29-32页 |
| 3.2.1 canny算子 | 第30-31页 |
| 3.2.2 sobel算子 | 第31-32页 |
| 3.3 轮廓特征提取技术的实现 | 第32-34页 |
| 3.4 时空特征算子的计算 | 第34-37页 |
| 3.5 实验结果与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 关键帧提取及匹配技术的实现 | 第40-52页 |
| 4.1 关键帧提取技术 | 第40-45页 |
| 4.1.1 特征学习技术简述 | 第40-41页 |
| 4.1.2 常用聚类算法简介 | 第41-44页 |
| 4.1.3 基于K-means关键帧提取 | 第44-45页 |
| 4.2 基于关键帧的识别技术 | 第45-50页 |
| 4.2.1 动态时间规整 | 第46-49页 |
| 4.2.2 基于最大相似度的遍历匹配方法 | 第49-50页 |
| 4.3 实验结果及分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 人体行为识别系统的实现 | 第52-61页 |
| 5.1 系统简介 | 第52-53页 |
| 5.2 软件开发环境 | 第53页 |
| 5.3 系统实现流程 | 第53-59页 |
| 5.3.1 视频序列获取及预处理 | 第53-55页 |
| 5.3.2 训练样本阶段 | 第55-58页 |
| 5.3.3 行为识别阶段 | 第58-59页 |
| 5.4 实验结果及分析 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
