| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 人体运动分析研究综述 | 第7-14页 |
| ·研究意义 | 第7-8页 |
| ·人体运动分析方法综述和研究难点 | 第8-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文研究的主要内容和方法 | 第12-13页 |
| ·与前人研究的对比 | 第12页 |
| ·研究的主要内容和方法 | 第12-13页 |
| ·论文的组织结构 | 第13-14页 |
| 2 人体动作分析的特征表示 | 第14-23页 |
| ·特征表示方法综述 | 第14-16页 |
| ·非模型的方法 | 第14-15页 |
| ·基于模型的方法 | 第15-16页 |
| ·光流法(Optical Flow)概述 | 第16-19页 |
| ·光流法简介 | 第16-17页 |
| ·Lucas-Kanade方法计算光流 | 第17-19页 |
| ·容积特征 | 第19-21页 |
| ·积分视频 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 基于AdaBoost的人体动作分析 | 第23-35页 |
| ·人体动作识别方法简介 | 第23-25页 |
| ·级联分类器(Cascade Classifier)的构成 | 第25-27页 |
| ·级联分类器的训练方法 | 第27-34页 |
| ·级联分类器的检测率和误检率 | 第27-28页 |
| ·Cascade训练过程 | 第28-29页 |
| ·AdaBoost方法训练强分类器 | 第29-31页 |
| ·弱分类器的训练 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 4 人体动作检测 | 第35-43页 |
| ·检测方法简介 | 第35-37页 |
| ·缩小待检窗口法 | 第36页 |
| ·放大检测窗口法 | 第36-37页 |
| ·检测过程的算法实现 | 第37-40页 |
| ·多窗口检测结果的分析讨论 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 5 实验结果及分析 | 第43-57页 |
| ·样本的选择和预处理 | 第44-47页 |
| ·正例样本和测试样本 | 第44-46页 |
| ·反例样本 | 第46-47页 |
| ·实验过程和实验结果 | 第47-52页 |
| ·训练过程 | 第47-49页 |
| ·级联分类器的输出结果 | 第49-50页 |
| ·检测结果示例 | 第50-52页 |
| ·实验结果与分析 | 第52-56页 |
| ·人体动作检测统计结果 | 第52-53页 |
| ·实验结果分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结和展望 | 第57-59页 |
| ·本文工作总结 | 第57-58页 |
| ·未来研究工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |