基于单目视觉的人体检测和运动恢复
| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第15-28页 |
| 1.1 选题背景和意义 | 第15-16页 |
| 1.2 研究现状分析 | 第16-23页 |
| 1.2.1 人体检测研究现状 | 第16-20页 |
| 1.2.2 基于视觉的动作恢复研究现状 | 第20-23页 |
| 1.3 论文的主要工作 | 第23-24页 |
| 1.4 本文结构与内容安排 | 第24-28页 |
| 第2章 基于单目视觉的人体检测和运动恢复综述 | 第28-48页 |
| 2.1 视觉底层特征抽取 | 第28-36页 |
| 2.1.1 静态底层特征 | 第28-33页 |
| 2.1.2 运动底层特征 | 第33-36页 |
| 2.2 基于特征学习的人体检测技术 | 第36-42页 |
| 2.2.1 整体窗口扫描法 | 第38-39页 |
| 2.2.2 部位组合法 | 第39-42页 |
| 2.3 基于单目视觉的运动恢复技术 | 第42-47页 |
| 2.3.1 基于概率模型的三维运动恢复 | 第43-44页 |
| 2.3.2 基于机器学习的三维运动恢复 | 第44-46页 |
| 2.3.3 基于先验数据检索匹配的运动恢复 | 第46-47页 |
| 2.4 本章小结 | 第47-48页 |
| 第3章 多特征融合的快速人体检测 | 第48-69页 |
| 3.1 引言 | 第48-49页 |
| 3.2 底层特征融合 | 第49-51页 |
| 3.3 基于级联AdaBoost学习的人体检测器 | 第51-58页 |
| 3.3.1 AdaBoost分类器 | 第51-53页 |
| 3.3.2 快速特征选择 | 第53-54页 |
| 3.3.3 双阈值判决的简单分类器 | 第54-55页 |
| 3.3.4 Cascade级联分类器训练 | 第55-58页 |
| 3.4 快速目标检测 | 第58-62页 |
| 3.4.1 目标搜索策略 | 第58-59页 |
| 3.4.2 基于直方图块更新的目标搜索 | 第59-61页 |
| 3.4.3 检测时间比较 | 第61-62页 |
| 3.5 实验结果 | 第62-67页 |
| 3.5.1 实验数据集 | 第62-64页 |
| 3.5.2 测试性能分析 | 第64-65页 |
| 3.5.3 检测结果 | 第65-67页 |
| 3.6 本章小结 | 第67-69页 |
| 第4章 多示例多部位人体检测 | 第69-84页 |
| 4.1 引言 | 第69-70页 |
| 4.2 多示例学习方法 | 第70-75页 |
| 4.2.1 基于多样性密度的多示例学习 | 第70-71页 |
| 4.2.2 EM-DD算法 | 第71-72页 |
| 4.2.3 基于Adaboost的多示例学习 | 第72-74页 |
| 4.2.4 多部位多示例学习算法描述 | 第74-75页 |
| 4.3 基于部位的人体分类器 | 第75-79页 |
| 4.3.1 多部位划分 | 第75-77页 |
| 4.3.2 部位分类器学习 | 第77-78页 |
| 4.3.3 分类器组合 | 第78-79页 |
| 4.4 实验结果及分析 | 第79-83页 |
| 4.4.1 检测结果 | 第79-80页 |
| 4.4.2 检测性能分析 | 第80-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 单目视频中骨架抽取与关节点估计 | 第84-96页 |
| 5.1 引言 | 第84-85页 |
| 5.2 单目视频序列中的人体轮廓抽取 | 第85-86页 |
| 5.3 人体骨架抽取 | 第86-93页 |
| 5.3.1 算法描述 | 第86页 |
| 5.3.2 骨架特征点抽取 | 第86-89页 |
| 5.3.3 骨架特征点连接 | 第89-91页 |
| 5.3.4 骨架关节点估计 | 第91-93页 |
| 5.4 实验结果 | 第93-95页 |
| 5.5 本章小结 | 第95-96页 |
| 第6章 单目视频中三维人体运动恢复 | 第96-105页 |
| 6.1 引言 | 第96-97页 |
| 6.2 比例正交投影模型 | 第97-98页 |
| 6.3 三维人体姿态恢复 | 第98-102页 |
| 6.3.1 抽象人体模型 | 第98-99页 |
| 6.3.2 关节三维坐标恢复 | 第99-101页 |
| 6.3.3 多帧姿态跟踪 | 第101-102页 |
| 6.4 实验结果 | 第102-104页 |
| 6.5 本章小结 | 第104-105页 |
| 第7章 总结与展望 | 第105-109页 |
| 7.1 总结 | 第105-106页 |
| 7.2 研究工作展望 | 第106-109页 |
| 参考文献 | 第109-124页 |
| 攻读博士学位期间主要的研究成果 | 第124-125页 |
| 致谢 | 第125页 |
