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 |