基于表现特征的人体着装分析与识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·相关研究现状 | 第10-14页 |
| ·智能视频监控系统的研究现状 | 第10-11页 |
| ·典型的图像分类方法 | 第11-13页 |
| ·着装识别和分类方法的研究现状 | 第13-14页 |
| ·本文研究内容及其意义 | 第14-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 基于特征的图像分类算法概述 | 第17-37页 |
| ·图像分类的一般流程 | 第17-18页 |
| ·表现特征提取算法 | 第18-26页 |
| ·颜色特征的提取 | 第18-24页 |
| ·纹理特征的提取 | 第24页 |
| ·形状特征的提取 | 第24-26页 |
| ·支持向量机 | 第26-34页 |
| ·统计学习理论 | 第26-29页 |
| ·支持向量机理论 | 第29-32页 |
| ·核函数 | 第32-34页 |
| ·多类分类问题 | 第34页 |
| ·本章小结 | 第34-37页 |
| 第三章 基于表现特征的着装分类识别算法 | 第37-51页 |
| ·算法思想 | 第37-38页 |
| ·运动目标获取 | 第38-39页 |
| ·图像的预处理 | 第39-41页 |
| ·数据图像的规范化 | 第39-40页 |
| ·颜色空间的转换 | 第40页 |
| ·颜色的量化处理 | 第40-41页 |
| ·着装颜色特征的提取 | 第41-44页 |
| ·全局代表色的提取 | 第41-42页 |
| ·分块代表色的提取 | 第42-44页 |
| ·基于表现特征的着装分类 | 第44-47页 |
| ·基于多类别分类的实现策略 | 第44页 |
| ·用支持向量机进行着装分类 | 第44-46页 |
| ·支持向量机的训练 | 第46-47页 |
| ·惩罚系数的选择 | 第47页 |
| ·程序运行效率提高方法 | 第47-50页 |
| ·预制查找表 | 第47-48页 |
| ·二维数组降维 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第四章 原型系统的设计与实现 | 第51-63页 |
| ·系统综述 | 第51-56页 |
| ·功能模块划分 | 第51-53页 |
| ·系统硬件 | 第53-54页 |
| ·系统流程 | 第54-56页 |
| ·软件设计与实现 | 第56-62页 |
| ·图像数据库 | 第57-59页 |
| ·图像入库 | 第59-60页 |
| ·着装分类 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 系统实验 | 第63-71页 |
| ·实验环境 | 第63页 |
| ·试验结果 | 第63-68页 |
| ·着装识别准确性 | 第63-67页 |
| ·着装识别的实时性 | 第67-68页 |
| ·本章小结 | 第68-71页 |
| 第六章 工作总结与展望 | 第71-73页 |
| 参考文献 | 第73-75页 |
| 攻读硕士学位期间发表的论文 | 第75-77页 |
| 致谢 | 第77页 |
