声明
致谢
摘要
1 引言
1.1 选题的背景和意义
1.2 国内外的研究现状
1.3 人体运动分析方法概述
1.3.1 基于特征的人体运动分析
1.3.2 基于模型的人体运动分析
1.3.3 基于区域的人体运动分析
1.3.4 基于活动轮廓的人体运动分析
1.4 人体运动分析的一般性框架
1.5 本文的主要工作和各章节安排
2 运动目标检测技术研究
2.1 引言
2.2 运动目标检测技术简介
2.2.1 帧间差分法
2.2.2 背景差分法
2.2.3 光流法
2.2.4 块匹配法
2.2.5 高斯模型法
2.3 纠错处理
2.3.1 数学形态学基本算法
2.3.2 图像连通域大小判断
2.4 提取人体轮廓的算法描述
2.5 实验结果
2.6 本章小结
3 人体运动特征的识别与分析
3.1 引言
3.2 支持向量机基础理论
3.2.1 统计学习理论
3.2.2 广义最优分类面
3.2.3 支持向量机
3.2.4 LIBSVM
3.2.5 交叉验证与参数寻优
3.3 基于SVM的人体运动特征分析
3.3.1 人体运动特征
3.3.2 多类分类支持向量机
3.3.3 基于SVM的人体运动分析算法流程
3.4 实验过程与结果
3.5 本章小结
4 基于融合Mean Shift和卡尔曼滤波的目标跟踪算法
4.1 引言
4.2 非参数密度估计理论
4.2.1 非参数密度估计常用方法
4.2.2 核密度估计原理
4.2.3 核函数的选取
4.3 Mean Shift算法理论
4.3.1 多变量核函数的生成方式
4.3.2 多维空间下无参核密度估计理论
4.3.3 Mean Shift向量研究
4.4 目标跟踪中的Mean Shift算法
4.4.1 目标模型的描述
4.4.2 待测模型的描述
4.4.3 相似性函数
4.4.4 目标的确定
4.4.5 Mean Shift算法的具体步骤
4.5 卡尔曼预测的原理和应用
4.5.1 递归贝叶斯估计
4.5.2 卡尔曼滤波器理论
4.5.3 卡尔曼滤波器在运动目标跟踪中的应用
4.6 融合Mean Shift和卡尔曼滤波的目标跟踪算法
4.7 实验结果
4.8 本章小结
5 总结和展望
5.1 研究工作总结
5.2 系统算法总流程图
5.3 后续研究展望
参考文献
作者简历
学位论文数据集