面向家庭环境的人体日常行为识别
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究的背景 | 第9-10页 |
| 1.2 国内外理论与技术研究现状 | 第10-13页 |
| 1.2.1 智能监护相关技术 | 第10-11页 |
| 1.2.2 视频行为识别研究 | 第11-13页 |
| 1.3 当前研究的问题和目标 | 第13-14页 |
| 1.4 论文的主要研究工作 | 第14-16页 |
| 1.4.1 本文主要研究内容 | 第14-15页 |
| 1.4.2 本文的结构安排 | 第15-16页 |
| 第2章 图像序列中的人体动作检测和提取 | 第16-22页 |
| 2.1 人体动作行为的检测 | 第16-19页 |
| 2.1.1 混合高斯模型 | 第16-17页 |
| 2.1.2 图像序列的背景描述 | 第17-18页 |
| 2.1.3 人体行为动作提取 | 第18-19页 |
| 2.2 形态学处理 | 第19-20页 |
| 2.2.1 腐蚀和膨胀 | 第19页 |
| 2.2.2 开运算和闭运算 | 第19-20页 |
| 2.3 图像序列中人体动作的预处理过程 | 第20-21页 |
| 2.4 本章小节 | 第21-22页 |
| 第3章 人体行为模型特征 | 第22-28页 |
| 3.1 特征提取 | 第22页 |
| 3.1.1 特征的定义 | 第22页 |
| 3.1.2 特征提取的方法 | 第22页 |
| 3.2 人体轮廓特征提取 | 第22-27页 |
| 3.2.1 目标矩阵框的高宽比值 | 第23-24页 |
| 3.2.2 质心位置 | 第24-25页 |
| 3.2.3 局部极值点到质心的相对距离 | 第25-26页 |
| 3.2.4 质心变化速度 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第4章 基于隐马尔科夫模型的识别算法 | 第28-41页 |
| 4.1 隐马尔科夫模型概述 | 第28-34页 |
| 4.1.1 随机过程与马尔科夫过程 | 第28-29页 |
| 4.1.2 HMM的基本概念 | 第29-31页 |
| 4.1.3 HMM模型基本问题 | 第31-34页 |
| 4.2 图像序列的模型学习 | 第34-36页 |
| 4.3 未知图像序列的估值计算 | 第36-38页 |
| 4.4 图像序列中人体行为的识别算法 | 第38-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第5章 系统实现与实验数据分析 | 第41-53页 |
| 5.1 系统实现的构架 | 第41页 |
| 5.2 人体行为数据库的建立 | 第41-44页 |
| 5.2.1 Weizmann数据库 | 第42-43页 |
| 5.2.2 家庭日常行为数据库 | 第43-44页 |
| 5.3 实验数据及分析 | 第44-52页 |
| 5.3.1 人体轮廓特征参数的曲线 | 第44-49页 |
| 5.3.2 人体行为识别结果 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| 6.1 工作总结 | 第53页 |
| 6.2 未来展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
