人体行为识别方法的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·研究背景与意义 | 第8-10页 |
| ·国内外研究现状 | 第10-16页 |
| ·运动检测的研究现状 | 第10-12页 |
| ·行为表示的研究现状 | 第12-13页 |
| ·行为识别方法的研究现状 | 第13-15页 |
| ·人体行为数据库 | 第15-16页 |
| ·论文研究内容与章节安排 | 第16-18页 |
| ·论文研究内容 | 第16页 |
| ·论文章节安排 | 第16-18页 |
| 第2章 数字图像处理基础 | 第18-25页 |
| ·数字图像简介 | 第18页 |
| ·图像平滑处理 | 第18-20页 |
| ·形态学处理 | 第20-22页 |
| ·Kinect 简介 | 第22-23页 |
| ·OpenCV 简介 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 人体运动检测 | 第25-42页 |
| ·帧间差分法 | 第25-28页 |
| ·两帧差分法 | 第25-26页 |
| ·三帧差分法 | 第26-27页 |
| ·加权累积差分法 | 第27-28页 |
| ·加权累积差分法的改进 | 第28-30页 |
| ·背景差分法 | 第30-38页 |
| ·平均背景模型 | 第30-32页 |
| ·混合高斯背景模型 | 第32-35页 |
| ·Codebook 背景模型 | 第35-38页 |
| ·光流法 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 行为表示与特征提取 | 第42-51页 |
| ·基于图像区域的行为表示与特征提取 | 第42-46页 |
| ·关键帧模板提取 | 第42-45页 |
| ·分块特征提取 | 第45-46页 |
| ·基于骨架关节点的行为表示与特征提取 | 第46-50页 |
| ·骨架关节点坐标提取 | 第46-48页 |
| ·骨架关节点坐标转换 | 第48-49页 |
| ·骨架关节点坐标聚类 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 行为识别方法 | 第51-73页 |
| ·基于模板匹配的行为识别方法 | 第51-67页 |
| ·贝叶斯分类器 | 第51-52页 |
| ·基于贝叶斯分类器的行为识别方法 | 第52-54页 |
| ·支持向量机 | 第54-61页 |
| ·基于支持向量机的行为识别方法 | 第61-67页 |
| ·基于状态空间的行为识别方法 | 第67-72页 |
| ·隐马尔可夫模型 | 第67-70页 |
| ·基于隐马尔可夫模型的行为识别方法 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间的研究成果 | 第80页 |
