不规范书写坐姿的多类特征融合识别方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题的背景和意义 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容与成果 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 坐姿分析及检测 | 第14-23页 |
| 2.1 坐姿原理 | 第14-15页 |
| 2.1.1 坐姿与脊椎生理曲度 | 第14-15页 |
| 2.1.2 坐姿与眼距 | 第15页 |
| 2.2 坐姿分类 | 第15-16页 |
| 2.2.1 正确坐姿 | 第15页 |
| 2.2.2 不规范坐姿 | 第15-16页 |
| 2.3 用户区域检测 | 第16-22页 |
| 2.3.1 常见的运动目标检测方法 | 第16-17页 |
| 2.3.2 坐姿检测中的ROI检测 | 第17-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 不规范坐姿特征提取与融合 | 第23-35页 |
| 3.1 坐姿肤色特征获取 | 第23-28页 |
| 3.1.1 肤色特征模型 | 第23-27页 |
| 3.1.2 坐姿的肤色提取 | 第27-28页 |
| 3.2 坐姿SURF特征提取 | 第28-33页 |
| 3.2.1 SURF算法 | 第28-32页 |
| 3.2.2 坐姿SURF特征提取 | 第32-33页 |
| 3.3 特征融合 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 不规范坐姿分类识别 | 第35-44页 |
| 4.1 机器学习概述 | 第35-36页 |
| 4.2 多分类算法 | 第36-41页 |
| 4.2.1 贝叶斯分类器 | 第36-37页 |
| 4.2.2 支持向量机 | 第37-39页 |
| 4.2.3 人工神经网络 | 第39-41页 |
| 4.3 BP神经网络的相关设计 | 第41-42页 |
| 4.3.1 输入和输出层的设计及初始值的选择 | 第41页 |
| 4.3.2 初始值的选取 | 第41页 |
| 4.3.3 隐含层节点数及激活函数的选择 | 第41-42页 |
| 4.3.4 最小训练速率和允许误差设置 | 第42页 |
| 4.4 识别算法设计 | 第42页 |
| 4.5 本章小结 | 第42-44页 |
| 第五章 实验及效果分析 | 第44-51页 |
| 5.1 坐姿检测流程 | 第44-45页 |
| 5.2 坐姿识别实验 | 第45-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第六章 总结及展望 | 第51-52页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 附录A（攻读硕士期间投发论文及成果展示） | 第56页 |
