摘要 | 第10-11页 |
Abstract | 第11-12页 |
1 绪论 | 第13-20页 |
1.1 引言 | 第13-14页 |
1.2 动作识别的流程 | 第14-15页 |
1.3 影响动作识别性能的因素 | 第15-16页 |
1.4 主要研究内容及创新之处 | 第16-18页 |
1.4.1 主要研究内容 | 第16-17页 |
1.4.2 论文的创新 | 第17-18页 |
1.5 本文的组织结构 | 第18-20页 |
2 相关工作和数据集 | 第20-51页 |
2.1 相关工作 | 第20-45页 |
2.1.1 运动的表征方法 | 第20-33页 |
2.1.2 动作的分类方法 | 第33-43页 |
2.1.3 各种方法的分析 | 第43-44页 |
2.1.4 检验方法 | 第44-45页 |
2.2 数据集 | 第45-49页 |
2.3 本章小结 | 第49-50页 |
附图 | 第50-51页 |
3 基于累积边缘图像的人体动作识别 | 第51-72页 |
3.1 引言 | 第51-52页 |
3.2 形态学方法 | 第52-54页 |
3.3 边缘提取方法 | 第54-56页 |
3.4 累积计算原理 | 第56-58页 |
3.5 基于图像小块的方法 | 第58-59页 |
3.6 基于累积边缘图像的特征提取方法 | 第59-65页 |
3.6.1 背景噪声消除 | 第59-60页 |
3.6.2 累积边缘图像 | 第60-63页 |
3.6.3 基于网格的方向梯度直方图 | 第63-64页 |
3.6.4 分类方法的训练与测试 | 第64-65页 |
3.7 实验与分析 | 第65-69页 |
3.7.1 参数的选择 | 第65-68页 |
3.7.2 形态学操作的作用 | 第68-69页 |
3.8 与运动历史图像的比较分析 | 第69-71页 |
3.8.1 计算速度的比较 | 第69-70页 |
3.8.2 识别率的比较 | 第70-71页 |
3.9 本章小结 | 第71-72页 |
4 基于累积运动图像的人体动作识别 | 第72-96页 |
4.1 引言 | 第72-74页 |
4.2 简单细胞和复杂细胞的原理 | 第74-77页 |
4.3 时空Gabor滤波器 | 第77-83页 |
4.3.1 2DGabor滤波器 | 第77-78页 |
4.3.2 时空3D Gabor滤波器 | 第78-83页 |
4.4 基于累积运动图像的特征提取方法 | 第83-88页 |
4.4.1 运动能量 | 第83-85页 |
4.4.2 累积运动图像 | 第85-86页 |
4.4.3 基于网格的方向梯度直方图 | 第86-87页 |
4.4.4 分类方法的训练与测试 | 第87-88页 |
4.5 实验与分析 | 第88-92页 |
4.5.1 时空3D Gabor滤波器方向和速率的选择 | 第88-89页 |
4.5.2 参数取值对性能的影响 | 第89-92页 |
4.6 与累积边缘图像和运动历史图像的比较分析 | 第92-94页 |
4.6.1 计算速度的比较 | 第93-94页 |
4.6.2 识别率的比较 | 第94页 |
4.7 本章小结 | 第94-96页 |
5 结合累积边缘图像和累积运动图像的人体动作识别 | 第96-108页 |
5.1 引言 | 第96-98页 |
5.2 视觉皮层中的两条通路 | 第98-99页 |
5.3 累积边缘图像与累积运动图像相结合的特征提取方法 | 第99-102页 |
5.3.1 累积边缘图像与累积运动图像 | 第99-100页 |
5.3.2 联合特征的计算 | 第100-101页 |
5.3.3 分类方法的训练与测试 | 第101-102页 |
5.4 实验与分析 | 第102-107页 |
5.4.1 结合方式的分析 | 第102-103页 |
5.4.2 与运动历史图像的比较分析 | 第103-105页 |
5.4.3 与其他方法的比较 | 第105-106页 |
5.4.4 对噪声的鲁棒性 | 第106-107页 |
5.5 本章小结 | 第107-108页 |
6 结论和展望 | 第108-110页 |
6.1 本文的主要工作与创新点 | 第108页 |
6.2 未来工作展望 | 第108-110页 |
参考文献 | 第110-121页 |
攻读博士期间发表的学术论文 | 第121-122页 |
致谢 | 第122页 |