首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于时空特征的人体动作识别方法研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-17页
   ·课题研究背景第10-12页
   ·课题研究意义第12-14页
   ·课题研究现状第14-15页
   ·论文研究内容第15-16页
   ·论文结构安排第16-17页
第2章 相关基础知识第17-27页
   ·引言第17页
   ·时空特征点检测与运动轨迹的形成第17-19页
   ·时空特征描述第19-23页
     ·HOG第19-21页
     ·HOF第21-22页
     ·LBP第22-23页
   ·bag-of-features第23-25页
   ·支持向量机简介第25-26页
   ·本章小结第26-27页
第3章 基于特征联合和直方图交叉核函数的动作识别第27-34页
   ·引言第27页
   ·方法概述第27-28页
   ·提取时空特征点形成稠密轨迹第28页
   ·计算运动轨迹时空特征第28-30页
   ·特征处理第30-32页
     ·平均采样构造码书第30-31页
     ·量化特征矩阵第31-32页
   ·分类器训练与测试第32-33页
   ·基于特征联合和直方图交叉核函数的动作识别算法描述第33页
   ·本章小结第33-34页
第4章 基于边缘时空特征的动作识别第34-41页
   ·引言第34页
   ·基于边缘检测的动作识别方法简介第34-36页
   ·基于边缘时空特征的动作识别方法第36-40页
     ·方法概述第36页
     ·边缘时空特征点检测第36-37页
     ·边缘时空特征计算第37-39页
     ·分类器的训练与测试第39-40页
   ·基于边缘时空特征的动作识别算法描述第40页
   ·本章小结第40-41页
第5章 实验及分析第41-51页
   ·实验环境第41页
   ·实验数据集第41-43页
   ·基于特征联合和直方图交叉核函数的动作识别方法实现第43-46页
     ·实验方案第43页
     ·实验结果及分析第43-46页
   ·基于边缘时空特征的动作识别方法实现第46-50页
     ·实验方案第46-47页
     ·实验结果及分析第47-50页
   ·本章小结第50-51页
结论第51-53页
参考文献第53-58页
攻读硕士学位期间承担的科研任务与主要成果第58-59页
致谢第59-60页
作者简介第60页

论文共60页,点击 下载论文
上一篇:基于小波纹理特性分析的视频烟雾检测算法研究
下一篇:改进的PCA与BP神经网络人脸识别方法研究