人体步态及行为识别技术研究【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

人体步态及行为识别技术研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 绪论1

1.1 研究的背景与意义1

1.2 研究内容与难点分析2

1.2.1 研究内容2

1.2.2 难点分析3

1.3 本书的主要工作与创新4

1.3.1 提出了基于纹理分析的运动人体分割方法4

1.3.2 研究了基于子空间的步态识别方法5

1.3.3 提出了基于稀疏表示的步态识别方法5

1.3.4 提出了基于动态贝叶斯网络的步态识别方法5

1.3.5 提出了人体连续行为分割与识别方法5

1.4 本书的内容安排5

2 步态及行为识别研究综述7

2.1 步态识别及行为识别系统构成7

2.1.1 数据采集7

2.1.2 运动检测8

2.1.3 特征提取及表达8

2.1.4 特征识别11

2.1.5 鲁棒性分析12

2.2 步态及行为识别常用算法分析12

2.2.1 步态识别主要算法分析12

2.2.2 行为识别主要算法分析13

2.3 步态及行为数据库15

2.3.1 步态数据库15

2.3.2 行为数据库21

2.4 本章小结25

3 基于纹理分析的运动人体分割方法26

3.1 运动目标检测算法26

3.1.1 光流法26

3.1.2 帧间差分法27

3.1.3 背景减除法28

3.1.4 混合高斯模型算法28

3.2 基于纹理分析的阴影消除算法30

3.2.1 阴影的特征提取31

3.2.2 融合颜色及纹理特征去除阴影36

3.2.3 实验结果与分析38

3.3 本章小结39

4 基于子空间的步态识别方法40

4.1 引言40

4.2 基于核主成分分析法步态识别42

4.2.1 计算步态特征图像42

4.2.2 核主成分分析43

4.2.3 SVM分类判别结果45

4.3 基于核判别分析法步态识别47

4.3.1 计算步态特征图像47

4.3.2 核判别分析法48

4.3.3 SVM分类判别结果50

4.4 本章小结51

5 基于稀疏表示的步态识别方法52

5.1 稀疏表示52

5.1.1 稀疏表示的理论基础52

5.1.2 改进的稀疏分解算法54

5.2 基于稀疏表示的步态识别算法55

5.2.1 计算步态特征图像55

5.2.2 步态字典的构建57

5.2.3 基于隐马尔可夫模型及稀疏表示的步态识别算法59

5.3 实验结果与分析61

5.3.1 实验结果61

5.3.2 实验分析62

5.4 本章小结62

6 基于动态贝叶斯网络的步态识别63

6.1 引言63

6.2 基于动静态信息融合及动态贝叶斯网络的步态识别63

6.2.1 动态贝叶斯网络理论基础63

6.2.2 步态的动静态信息融合动态贝叶斯模型（DSIF-DBN）65

6.2.3 模型分析66

6.2.4 模型推理与学习67

6.2.5 模型识别68

6.2.6 步态特征提取69

6.3 基于双尺度动态贝叶斯网络及多信息融合的步态识别70

6.3.1 整体信息及局部细节信息相融合的DBN模型70

6.3.2 模型分析72

6.3.3 模型推理与学习72

6.3.4 模型特征提取73

6.4 实验结果与分析75

6.4.1 单一模型下步态识别结果75

6.4.2 模型间的步态识别结果比较76

6.5 模型鲁棒性分析77

6.6 本章小结78

7 人体连续行为分割与识别方法79

7.1 引言79

7.2 行为识别模型80

7.3 模型特征提取81

7.3.1 静态特征信息81

7.3.2 动态特征信息81

7.4 构建连续行为分类网络CACN82

7.4.1 粗分割83

7.4.2 采用Viterbi算法行为动态切分84

7.5 实验结果与分析85

7.5.1 DBN模型下行为识别结果85

7.5.2 DBN模型鲁棒性分析91

7.6 本章小结92

8 总结与展望93

8.1 总结93

8.2 展望94

参考文献95

后记101