复杂背景下人体跌倒检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 引言 | 第12-20页 |
| 1.1 选题背景与意义 | 第12-13页 |
| 1.2 国内外研究方法 | 第13-16页 |
| 1.2.1 国外研究方法 | 第13-15页 |
| 1.2.2 国内研究方法 | 第15-16页 |
| 1.3 研究现状总结 | 第16-18页 |
| 1.4 本文主要工作及思路 | 第18-20页 |
| 2 静态图像中人体分割方法研究 | 第20-34页 |
| 2.1 基于连接关系的人体模型的建立 | 第20-23页 |
| 2.1.1 简化的人体模型的建立 | 第20-22页 |
| 2.1.2 人体概率模型的建立 | 第22-23页 |
| 2.2 人体各部位特征的选取与定义 | 第23-25页 |
| 2.2.1 颜色特征 | 第23-24页 |
| 2.2.2 纹理特征 | 第24页 |
| 2.2.3 形状特征 | 第24-25页 |
| 2.3 基于颜色特征和椭圆特征相结合的头部检测 | 第25-27页 |
| 2.3.1 基于颜色特征的头部预检测 | 第25-26页 |
| 2.3.2 基于椭圆模型的头部检测 | 第26-27页 |
| 2.4 人体部件分割方法研究 | 第27-33页 |
| 2.4.1 感兴趣区域的选取 | 第27页 |
| 2.4.2 基于躯干模型的躯干初步检测 | 第27-29页 |
| 2.4.3 基于融合算法的人体部件分割 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于多特征融合的跌倒检测方法 | 第34-47页 |
| 3.1 室内常见跌倒的分类和特征 | 第34-36页 |
| 3.2 视频关键帧的选择 | 第36-37页 |
| 3.3 跌倒特征的选取和定义 | 第37-41页 |
| 3.3.1 人体宽高比 | 第37页 |
| 3.3.2 人体有效面积比 | 第37-38页 |
| 3.3.3 人体点边距 | 第38-39页 |
| 3.3.4 人体轴线角 | 第39-40页 |
| 3.3.5 人体轮廓离心率 | 第40-41页 |
| 3.4 基于高斯径向基核函数支持向量机的跌倒检测 | 第41-44页 |
| 3.4.1 支持向量机模型和核函数的确立 | 第41-43页 |
| 3.4.2 基于高斯径向基核函数的支持向量机模型 | 第43-44页 |
| 3.5 基于多帧序列图像的跌倒检测验证 | 第44-46页 |
| 3.6 本章小结 | 第46-47页 |
| 4 实验与分析 | 第47-63页 |
| 4.1 人体检测与分割实验 | 第47-54页 |
| 4.1.1 人体概率模型实验 | 第47页 |
| 4.1.2 头部检测实验 | 第47-51页 |
| 4.1.3 躯干和肢体分割实验 | 第51-54页 |
| 4.2 基于高斯径向基核函数的分类器训练 | 第54-58页 |
| 4.2.1 特征参数的采集与分析 | 第55-56页 |
| 4.2.2 SVM分类器性能测试 | 第56-58页 |
| 4.3 基于多特征融合的跌倒识别实验分析 | 第58-62页 |
| 4.3.1 跌倒识别实验分析 | 第58-60页 |
| 4.3.2 跌倒识别对比实验 | 第60-62页 |
| 4.4 小结 | 第62-63页 |
| 5 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者简历及攻读硕士 /博士学位期间取得的研究成果 | 第68-70页 |
| 学位论文数据集 | 第70页 |
