| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 课题研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14-15页 |
| 1.4 论文结构安排 | 第15-17页 |
| 第二章 前景目标提取方法的研究 | 第17-31页 |
| 2.1 常用的目标检测方法 | 第17-23页 |
| 2.1.1 光流法 | 第17-18页 |
| 2.1.2 帧间差分法 | 第18-20页 |
| 2.1.3 背景减除法 | 第20-23页 |
| 2.2 图像去噪处理算法 | 第23-27页 |
| 2.2.1 小面积去除 | 第23-24页 |
| 2.2.2 图像形态学处理 | 第24-26页 |
| 2.2.3 图像中值滤波 | 第26-27页 |
| 2.3 基于三帧差分法与背景减除法加权结合的目标提取算法 | 第27-30页 |
| 2.3.1 本文提取算法的原理及流程图 | 第27-28页 |
| 2.3.2 改进提取算法的实验 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 目标行为序列特征提取与分析 | 第31-41页 |
| 3.1 目标的高度特征 | 第31-32页 |
| 3.2 目标的宽高比特征 | 第32-33页 |
| 3.3 目标的质心特征 | 第33-35页 |
| 3.4 外接矩形的周长及宽度变化率 | 第35-36页 |
| 3.5 不变矩特征 | 第36-40页 |
| 3.5.1 HU矩特征 | 第36-38页 |
| 3.5.2 ZERNIKE矩特征 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 基于支持向量机的行为识别算法 | 第41-50页 |
| 4.1 人体行为识别方法 | 第41-42页 |
| 4.2 基于支持向量机的识别过程 | 第42-47页 |
| 4.3 支持向量机中的参数优化 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 跌倒行为识别的实验结果与分析 | 第50-56页 |
| 5.1 实验步骤及流程图 | 第50-51页 |
| 5.2 实验结果分析 | 第51-55页 |
| 5.2.1 不同参数下的实验对比结果 | 第52-54页 |
| 5.2.2 不同特征组合下的实验对比结果 | 第54-55页 |
| 5.2.3 不同方法下的识别性能比较 | 第55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 结论 | 第56-58页 |
| 6.1 全文总结 | 第56页 |
| 6.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 致谢 | 第64-65页 |