基于机器视觉的意图识别研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-21页 |
| 1.1 引言 | 第8-9页 |
| 1.2 意图识别概述 | 第9-12页 |
| 1.3 机器视觉研究现状 | 第12-15页 |
| 1.3.1 机器视觉理论的发展过程 | 第13-14页 |
| 1.3.2 机器视觉检测的一般方法 | 第14-15页 |
| 1.4 基于视觉的意图识别应用背景 | 第15-18页 |
| 1.5 本文所做的工作 | 第18-21页 |
| 第2章 人体动作识别 | 第21-32页 |
| 2.1 引言 | 第21页 |
| 2.2 Kinect视觉传感器 | 第21-24页 |
| 2.3 人体姿态信息建模 | 第24-26页 |
| 2.4 基于logistic回归的行为识别方法 | 第26-28页 |
| 2.5 实验与仿真 | 第28-32页 |
| 第3章 物体定位识别方法 | 第32-49页 |
| 3.1 引言 | 第32-33页 |
| 3.2 物体特征建模 | 第33-38页 |
| 3.2.1 SIFT特征概率密度函数的建立 | 第34-35页 |
| 3.2.2 颜色直方图概率密度函数建立 | 第35-38页 |
| 3.3 目标定位识别 | 第38-43页 |
| 3.3.1 Mean Shift物体定位方法 | 第39-42页 |
| 3.3.2 基于颜色的图像分割 | 第42-43页 |
| 3.4 物体识别过程 | 第43-45页 |
| 3.5 实验仿真 | 第45-48页 |
| 3.6 小结 | 第48-49页 |
| 第4章 基于粗糙集的意图识别方法 | 第49-66页 |
| 4.1 引言 | 第49页 |
| 4.2 分层意图模型 | 第49-52页 |
| 4.3 基于粗糙集的意图识别方法 | 第52-57页 |
| 4.3.1 粗糙集理论简介 | 第53-54页 |
| 4.3.2 知识约减 | 第54-55页 |
| 4.3.3 知识表达 | 第55-57页 |
| 4.4 分层递阶约减方法 | 第57-62页 |
| 4.5 实验仿真 | 第62-65页 |
| 4.6 小结 | 第65-66页 |
| 第5章 结论 | 第66-68页 |
| 5.1 本文工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
