基于多特征融合的人体基本行为识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 人体行为识别的困难和挑战 | 第10-11页 |
| 1.3.1 内在和外在类型的变化 | 第10页 |
| 1.3.2 外在环境和视频拍摄环境的影响 | 第10-11页 |
| 1.3.3 时间的变化 | 第11页 |
| 1.3.4 训练视频的标签 | 第11页 |
| 1.4 研究内容 | 第11-12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第2章 行为识别方法研究 | 第14-26页 |
| 2.1 常见目标检测方法 | 第14-17页 |
| 2.1.1 背景差分法 | 第14-16页 |
| 2.1.2 帧间差分法 | 第16-17页 |
| 2.2 利用形态学方法消除噪声 | 第17-19页 |
| 2.2.1 腐蚀 | 第17-18页 |
| 2.2.2 膨胀 | 第18-19页 |
| 2.3 行为识别算法 | 第19-24页 |
| 2.3.1 行为识别算法概述 | 第20-22页 |
| 2.3.2 人工神经网络 | 第22-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 视频中的运动目标检测 | 第26-34页 |
| 3.1 计算Lucas-Kanade光流 | 第26-28页 |
| 3.2 利用光流估计运动目标 | 第28-30页 |
| 3.3 结合ViBe算法进行目标检测 | 第30-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 基于多特征的行为识别 | 第34-46页 |
| 4.1 预处理 | 第34-37页 |
| 4.1.1 原视频运动目标提取 | 第34-35页 |
| 4.1.2 轮廓计算 | 第35-36页 |
| 4.1.3 形态学方法预处理 | 第36-37页 |
| 4.2 特征提取 | 第37-42页 |
| 4.2.1 SIFT特征 | 第37-39页 |
| 4.2.2 基于傅里叶描述子的轮廓特征 | 第39-42页 |
| 4.2.3 面积特征 | 第42页 |
| 4.3 累加直方图实现特征融合 | 第42-43页 |
| 4.4 K-L变换实现降维 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 实验结果及分析 | 第46-54页 |
| 5.1 实验数据集 | 第46页 |
| 5.2 实验环境 | 第46页 |
| 5.3 实验过程 | 第46-47页 |
| 5.4 实验结果及分析 | 第47-52页 |
| 5.4.1 全局运动估计 | 第47-48页 |
| 5.4.2 检测效果对比 | 第48-51页 |
| 5.4.3 SIFT特征提取 | 第51页 |
| 5.4.4 实验结果 | 第51-52页 |
| 5.4.5 实验分析 | 第52页 |
| 5.5 本章小结 | 第52-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-62页 |
| 硕士期间发表的论文 | 第62页 |
