视频中的人体运动分析及其应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 插图 | 第11-13页 |
| 1 绪论 | 第13-33页 |
| ·人体运动分析的研究背景及意义 | 第13-15页 |
| ·人体运动分析系统的一般性框架 | 第15-24页 |
| ·运动目标检测 | 第16-18页 |
| ·目标分类 | 第18页 |
| ·人体的跟踪 | 第18-21页 |
| ·行为理解与描述 | 第21-23页 |
| ·异常事件检测 | 第23-24页 |
| ·国内外的研究现状 | 第24-30页 |
| ·人体运动分析的应用现状 | 第25-28页 |
| ·人体运动分析的通用数据库 | 第28-29页 |
| ·人体运动分析中存在的困难 | 第29-30页 |
| ·本文的主要工作和结构安排 | 第30-33页 |
| ·本文的主要工作 | 第30-31页 |
| ·本文结构安排 | 第31-33页 |
| 2 图像预处理与目标跟踪 | 第33-57页 |
| ·基于视觉掩蔽效应的多尺度图像平滑算法 | 第33-41页 |
| ·基于各向异性扩散的图像平滑算法 | 第33-34页 |
| ·各向异性扩散系数的改进 | 第34-37页 |
| ·实验结果 | 第37-41页 |
| ·跟踪窗自适应的目标跟踪算法 | 第41-55页 |
| ·基于彩色直方图特征的目标跟踪 | 第42-47页 |
| ·自动选择跟踪窗尺度的目标跟踪算法 | 第47-55页 |
| ·本章小结 | 第55-57页 |
| 3 人体运动序列分割及行为识别 | 第57-67页 |
| ·特征提取 | 第58-60页 |
| ·人体运动序列分割算法 | 第60-62页 |
| ·基于PCA的本征维数估计 | 第60页 |
| ·分割算法 | 第60-62页 |
| ·基于HMM的行为识别 | 第62页 |
| ·实验结果 | 第62-66页 |
| ·行为序列分割结果 | 第63-64页 |
| ·行为序列识别结果 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 4 基于决策树支持向量机分类器的人体行为识别系统 | 第67-105页 |
| ·视频采集 | 第67-68页 |
| ·基于背景减除法的运动目标检测 | 第68-73页 |
| ·背景模型的建立和更新 | 第68-72页 |
| ·阴影检测 | 第72-73页 |
| ·特征提取 | 第73-80页 |
| ·运动能量图像和运动历史图像 | 第73-74页 |
| ·运动能量序列 | 第74-76页 |
| ·运动能量图像轮廓编码 | 第76-79页 |
| ·最小外接矩形框 | 第79-80页 |
| ·基于决策树支持向量机的行为分类 | 第80-104页 |
| ·支持向量机 | 第80-88页 |
| ·基于先验知识的决策树支持向量机行为识别算法 | 第88-91页 |
| ·基于聚类的决策树支持向量机行为识别算法 | 第91-104页 |
| ·本章小结 | 第104-105页 |
| 5 家居看护中的异常行为检测 | 第105-117页 |
| ·基于组合分类器的异常行为检测 | 第106-109页 |
| ·行为特征提取 | 第106-107页 |
| ·组合分类器的设计 | 第107-108页 |
| ·实验结果 | 第108-109页 |
| ·基于支持向量机的异常行为检测 | 第109-114页 |
| ·行为的分类 | 第110-111页 |
| ·基于SVM的异常行为识别 | 第111-113页 |
| ·实验结果 | 第113-114页 |
| ·本章小结 | 第114-117页 |
| 6 结束语 | 第117-119页 |
| 致谢 | 第119-121页 |
| 参考文献 | 第121-136页 |
| 附录 | 第136页 |
