| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-21页 |
| ·选题的背景和意义 | 第12-13页 |
| ·国内外的研究现状 | 第13-14页 |
| ·人体运动分析方法概述 | 第14-19页 |
| ·基于特征的人体运动分析 | 第15-16页 |
| ·基于模型的人体运动分析 | 第16-18页 |
| ·基于区域的人体运动分析 | 第18页 |
| ·基于活动轮廓的人体运动分析 | 第18-19页 |
| ·人体运动分析的一般性框架 | 第19-20页 |
| ·本文的主要工作和各章节安排 | 第20-21页 |
| 2 运动目标检测技术研究 | 第21-33页 |
| ·引言 | 第21页 |
| ·运动目标检测技术简介 | 第21-29页 |
| ·帧间差分法 | 第21-24页 |
| ·背景差分法 | 第24-25页 |
| ·光流法 | 第25-27页 |
| ·块匹配法 | 第27-28页 |
| ·高斯模型法 | 第28-29页 |
| ·纠错处理 | 第29-30页 |
| ·数学形态学基本算法 | 第29-30页 |
| ·图像连通域大小判断 | 第30页 |
| ·提取人体轮廓的算法描述 | 第30-31页 |
| ·实验结果 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 人体运动特征的识别与分析 | 第33-54页 |
| ·引言 | 第33页 |
| ·支持向量机基础理论 | 第33-43页 |
| ·统计学习理论 | 第33-37页 |
| ·广义最优分类面 | 第37-38页 |
| ·支持向量机 | 第38-41页 |
| ·LIBSVM | 第41页 |
| ·交叉验证与参数寻优 | 第41-43页 |
| ·基于SVM的人体运动特征分析 | 第43-48页 |
| ·人体运动特征 | 第43-45页 |
| ·多类分类支持向量机 | 第45-46页 |
| ·基于SVM的人体运动分析算法流程 | 第46-48页 |
| ·实验过程与结果 | 第48-52页 |
| ·木章小结 | 第52-54页 |
| 4 基于融合Mean Shift和卡尔曼滤波的目标跟踪算法 | 第54-76页 |
| ·引言 | 第54-55页 |
| ·非参数密度估计理论 | 第55-58页 |
| ·非参数密度估计常用方法 | 第55页 |
| ·核密度估计原理 | 第55-56页 |
| ·核函数的选取 | 第56-58页 |
| ·Mean Shift算法理论 | 第58-61页 |
| ·多变量核函数的生成方式 | 第58页 |
| ·多维空间下无参核密度估计理论 | 第58-59页 |
| ·Mean Shift向量研究 | 第59-61页 |
| ·目标跟踪中的Mean Shift算法 | 第61-65页 |
| ·目标模型的描述 | 第62页 |
| ·待测模型的描述 | 第62-63页 |
| ·相似性函数 | 第63页 |
| ·目标的确定 | 第63-64页 |
| ·Mean Shift算法的具体步骤 | 第64-65页 |
| ·卡尔曼预测的原理和应用 | 第65-69页 |
| ·递归贝叶斯估计 | 第66-67页 |
| ·卡尔曼滤波器理论 | 第67-68页 |
| ·卡尔曼滤波器在运动目标跟踪中的应用 | 第68-69页 |
| ·融合Mean Shift和卡尔曼滤波的目标跟踪算法 | 第69-71页 |
| ·实验结果 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 5 总结和展望 | 第76-79页 |
| ·研究工作总结 | 第76-77页 |
| ·系统算法总流程图 | 第77-78页 |
| ·后续研究展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 作者简历 | 第82-84页 |
| 学位论文数据集 | 第84页 |