基于SCFG的复杂人体行为识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 2 基于SFA的快速人体行为分割 | 第18-32页 |
| 2.1 概述 | 第18-19页 |
| 2.2 运动目标轮廓边框速度提取 | 第19-21页 |
| 2.3 快速行为分割 | 第21-28页 |
| 2.3.1 使用轮廓边框速度对行为进行初步分割 | 第21-24页 |
| 2.3.2 慢特征分析 | 第24-26页 |
| 2.3.3 改进的SFA进一步分割人体行为 | 第26-28页 |
| 2.4 实验与分析 | 第28-30页 |
| 2.5 小结 | 第30-32页 |
| 3 人体13关节点位置自动估计 | 第32-51页 |
| 3.1 概述 | 第32-34页 |
| 3.2 骨架提取与表示 | 第34-37页 |
| 3.2.1 基于OPTA细化算法骨架提取 | 第34-35页 |
| 3.2.2 骨架表示 | 第35-37页 |
| 3.3 基于动态时间规整骨架匹配 | 第37-40页 |
| 3.3.1 动态时间规整 | 第37-39页 |
| 3.3.2 基于动态时间规整骨架匹配 | 第39-40页 |
| 3.4 基于SIFT特征点的关节点匹配 | 第40-45页 |
| 3.4.1 SIFT特征点检测与描述 | 第40-43页 |
| 3.4.2 基于SIFT特征点的关节点匹配 | 第43-45页 |
| 3.5 基于卡尔曼滤波器的关节点轨迹插值 | 第45-48页 |
| 3.5.1 卡尔曼滤波器 | 第45-46页 |
| 3.5.2 基于卡尔曼滤波器的关节点轨迹插值 | 第46-48页 |
| 3.6 实验与分析 | 第48-49页 |
| 3.7 小结 | 第49-51页 |
| 4 基于CRM的人体动作识别 | 第51-59页 |
| 4.1 概述 | 第51-52页 |
| 4.2 人体关节点轨迹描述 | 第52-53页 |
| 4.3 基于CRM的人体动作识别 | 第53-55页 |
| 4.3.1 连续空间相关性模型 | 第53-54页 |
| 4.3.2 基于CRM的人体动作识别 | 第54-55页 |
| 4.4 实验与分析 | 第55-58页 |
| 4.5 小结 | 第58-59页 |
| 5 基于SCFG的人体行为识别 | 第59-74页 |
| 5.1 概述 | 第59-60页 |
| 5.2 随机上下文无关文法 | 第60-65页 |
| 5.3 基于SCFG的行为识别 | 第65-69页 |
| 5.4 实验与分析 | 第69-73页 |
| 5.5 小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 攻读学位期间的主要研究成果 | 第82-83页 |
| 致谢 | 第83页 |
