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

人体关节运动跟踪技术的研究

摘要第1-7页
ABSTRACT第7-13页
第1章 绪论第13-24页
   ·课题的目的与意义第13-14页
   ·人体关节运动跟踪的应用第14-16页
   ·国内外研究现状分析及研究内容第16-21页
     ·国内外研究现状分析第16-20页
     ·人体关节运动跟踪的主要研究内容第20-21页
   ·视频人体关节运动跟踪研究所面临的困难第21-22页
   ·论文的主要研究内容第22-24页
第2章 改进的Mean Shift跟踪算法第24-46页
   ·引言第24-25页
   ·无参密度估计第25-30页
     ·核密度估计第25-26页
     ·几种常用的简单核函数第26-30页
     ·带宽h的选取第30页
   ·Mean Shift向量第30-33页
   ·Mean Shift算法收敛性的证明第33-35页
   ·核函数对MSA收敛性的影响第35-36页
   ·应用于目标跟踪中的MSA第36-40页
     ·目标表达第36-39页
     ·人体关节定位第39-40页
   ·改进的Mean Shift跟踪算法第40-41页
   ·实验结果与分析第41-45页
   ·本章小结第45-46页
第3章 基于Mean Shift的人体关节运动跟踪算法第46-71页
   ·引言第46页
   ·均值偏移算法的实现与分析第46-49页
   ·矩不变量第49-58页
     ·Hu矩不变量第49-51页
     ·Zernike正交矩不变量第51-53页
     ·小波矩第53-58页
   ·基于Mean Shift的人体关节运动跟踪算法第58-60页
   ·实验结果与分析第60-70页
     ·实验一—矩不变量参数的确定与比较第60-62页
     ·实验二—小波矩不变量与小波速度矩不变量的比较分析第62-63页
     ·实验三—本章提出算法与传统Mean Shift算法的比较第63-70页
   ·本章小结第70-71页
第4章 基于Kalman Filter和Mean Shift的人体关节运动跟踪算法第71-90页
   ·引言第71页
   ·基于KF和Mean Shift的人体关节运动跟踪算法第71-83页
     ·卡尔曼滤波组成第73-74页
     ·卡尔曼滤波原理第74-76页
     ·卡尔曼滤波方程第76-78页
     ·卡尔曼滤波参数第78页
     ·利用KF对目标进行轨迹预测的Mean Shift跟踪算法第78-83页
   ·实验结果与分析第83-89页
   ·本章小结第89-90页
第5章 基于目标特征信息和UPF的人体关节运动跟踪算法第90-119页
   ·引言第90-91页
   ·基于贝叶斯滤波原理的目标跟踪问题第91-94页
   ·蒙特卡罗方法第94-96页
   ·粒子滤波算法第96-102页
     ·贝叶斯重要性采样第96-98页
     ·序列化重要性采样第98-100页
     ·粒子集的退化问题第100-102页
   ·无迹粒子滤波方法第102-104页
   ·基于目标特征信息和UPF的人体关节运动跟踪算法第104-110页
     ·人体关节目标系统状态(运动)模型的设计第105-106页
     ·人体关节目标系统观测模型的设计第106页
     ·人体关节运动跟踪算法第106-110页
   ·实验结果与分析第110-118页
   ·本章小结第118-119页
第6章 基于智能优化和无迹粒子滤波的人体关节运动跟踪算法第119-140页
   ·引言第119页
   ·样本贫化现象第119-120页
   ·智能优化算法第120-127页
     ·模拟退火算法第120-122页
     ·量子遗传算法第122-127页
   ·无迹粒子滤波算法的实现第127-129页
   ·基于智能优化和 UPF的人体关节运动跟踪算法第129-133页
     ·基于模拟退火和UPF的人体关节运动跟踪算法第129-131页
     ·基于量子遗传和UPF的人体关节运动跟踪算法第131-133页
   ·实验结果与分析第133-138页
   ·本章小结第138-140页
结论第140-142页
参考文献第142-158页
攻读博士学位期间发表的论文和取得的科研成果第158-159页
致谢第159页

论文共159页,点击 下载论文
上一篇:基于本体的特定领域需求获取技术研究及应用
下一篇:基于神经网络的股票市场预测研究