需要金幣： 1000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：23041 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘 要:隨著視頻監(jiān)控技術(shù)的不斷發(fā)展，面向安防監(jiān)控領(lǐng)域的圖像特征提取技術(shù)和特征識別技術(shù)在國際與國內(nèi)相關(guān)領(lǐng)域受到了廣泛的關(guān)注，特別是融合特征提取與特征識別技術(shù)的智能識別系統(tǒng)成為了當今視頻圖像領(lǐng)域研究的熱點。 -本文系統(tǒng)通過對視頻圖像序列進行處理，讓計算機在不需要人參與的情況下，實現(xiàn)人體的檢測與跟蹤、人體動作特征的提取和人體動作特征的識別，從而實現(xiàn)智能化控制。 -本文的主要工作包括： 第一，在人體檢測和跟蹤方面，主要介紹了背景減除法和幀間差分法等人體檢測算法，基于點集、基于內(nèi)核和基于輪廓的人體跟蹤算法，并對各自的優(yōu)缺點進行了分析。 第二，在人體動作特征提取方面，闡述了形狀、運動、時空和混合等四種人體特征和其各自的檢測算法，并對這些特征的降維方法做了介紹。 第三，在人體動作特征識別方面，本文對常用的四種識別方法進行了分析，包括基于模板匹配的方法、基于向量空間的方法、基于語義的方法和支持向量機的方法，最后根據(jù)上述方法建立了詞袋思想模型和混合高斯模型。 第四，實現(xiàn)了基于Microsoft Visual Studio 2010和OpenCV的智能識別系統(tǒng)的設(shè)計，該系統(tǒng)能夠?qū)崿F(xiàn)對視頻圖像序列中指定特征進行識別，并顯示識別結(jié)果。 關(guān)鍵詞：視頻監(jiān)控；人體檢測與跟蹤；特征提??；特征識別；智能識別系統(tǒng)
目錄 摘要 abstract 第1章 緒論-1 1.1 選題的背景和意義-1 1.2 國內(nèi)外研究現(xiàn)狀與相關(guān)綜述-1 1.2.1 國內(nèi)外研究現(xiàn)狀-1 1.2.2 相關(guān)研究綜述-2 1.3 主要研究內(nèi)容和論文結(jié)構(gòu)-3 1.3.1 主要研究內(nèi)容-3 1.3.2 論文組織形式-3 第2章 人體檢測與跟蹤-5 2.1 人體檢測-5 2.1.1 幀間差分法-5 2.1.2 光流法-6 2.1.3 背景減除法-6 2.1.4 基于HOG特征檢測法-7 2.2 形態(tài)學操作處理-8 2.2.1 腐蝕-8 2.2.2 膨脹-8 2.2.3 開運算-8 2.2.4 閉運算-9 2.3 人體跟蹤-10 2.3.1 基于點集的跟蹤方法-10 2.3.2 基于內(nèi)核的跟蹤方法-11 2.3.3 基于輪廓的跟蹤方法-12 2.4 本章小結(jié)-12 第3章 人體動作特征提取-15 3.1 形狀特征-15 3.1.1 全局特征-15 3.1.2 局部特征-16 3.2 運動特征-17 3.3 時空特征-17 3.3.1 MEI特征-17 3.3.2 MHI特征-17 3.4 混合特征-18 3.5 動作特征降維處理-18 3.5.1 主成分分析法-18 3.5.2 二維主成分分析法-19 3.5.3 局部線性嵌入算法-19 3.5.4 小波變換-20 3.6 圖像縱橫比-20 3.5 本章小結(jié)-21 第4章 人體動作特征識別-23 4.1 動作特征識別方法-23 4.1.1 基于模板匹配的方法-23 4.1.2 基于狀態(tài)空間的方法-24 4.1.3 基于語義的方法-26 4.1.4 支持向量機-26 4.2 動作特征識別系統(tǒng)模型-27 4.2.1 詞袋思想模型-27 4.2.2 混合高斯模型-27 4.3 本章小結(jié)-29 第5章 智能識別系統(tǒng)搭建-31 5.1 檢測與跟蹤模塊-32 5.2 動作提取模塊-32 5.3 動作識別模塊-33 5.4 信息管理模塊-34 5.5 參數(shù)設(shè)置模塊-35 5.6 本章小結(jié)-35 第6章 結(jié)論與展望-37 6.1結(jié)論-37 6.2不足之處及未來展望-37 參考文獻-39 致 謝-41 附錄A： 部分程序-43 |
