基于半连接HMM模型的人体行为识别研究与实现
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·研究现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·现存问题分析 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 2 HMM原理 | 第14-28页 |
| ·HMM基础 | 第14-16页 |
| ·HMM数学背景 | 第14-15页 |
| ·HMM定义 | 第15-16页 |
| ·基本问题及主要算法 | 第16-17页 |
| ·基于HMM行为识别原理 | 第17-24页 |
| ·识别方程式 | 第17-18页 |
| ·Forward_Backward算法 | 第18-20页 |
| ·Baum-Welch算法 | 第20-23页 |
| ·Viterbi算法 | 第23-24页 |
| ·HMM类别 | 第24-27页 |
| ·按照形状分类 | 第24-26页 |
| ·按照输出概率分类 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 行为要素和预处理 | 第28-42页 |
| ·基本要素 | 第28-33页 |
| ·人体运动类别 | 第28-29页 |
| ·人体行为表征 | 第29-31页 |
| ·人体行为识别 | 第31-33页 |
| ·视频捕捉 | 第33-34页 |
| ·图像截取 | 第34-35页 |
| ·运动检测 | 第35-39页 |
| ·形态学处理 | 第39-40页 |
| ·人体行为编码 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4 人体行为识别 | 第42-62页 |
| ·行为分析及HMM引入 | 第42-44页 |
| ·人体行为分析 | 第42-43页 |
| ·引入HMM | 第43-44页 |
| ·BME-SCHMM | 第44-45页 |
| ·算法设计 | 第45-51页 |
| ·模型描述 | 第45-46页 |
| ·参数训练阶段 | 第46-48页 |
| ·优化训练结果 | 第48-50页 |
| ·行为识别阶段 | 第50-51页 |
| ·实验结果与分析 | 第51-61页 |
| ·实验环境 | 第51页 |
| ·人体行为数据库 | 第51-53页 |
| ·初始化与参数选取 | 第53-57页 |
| ·与基准模型比较分析 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-64页 |
| ·论文工作总结 | 第62-63页 |
| ·未来工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 学位论文数据集 | 第68页 |
