| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 研究现状及技术难点 | 第13-15页 |
| 1.2.1 研究现状 | 第13-14页 |
| 1.2.2 技术难点 | 第14-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 1.5 小结 | 第16-17页 |
| 第二章 姿态估计方法概述 | 第17-25页 |
| 2.1 姿态估计研究的发展 | 第17页 |
| 2.2 姿态估计方法分类 | 第17-19页 |
| 2.3 Pictorial Structure模型 | 第19-24页 |
| 2.3.1 Pictorial Structure模型及推断 | 第19-22页 |
| 2.3.2 Pictorial Structure模型的改进 | 第22-24页 |
| 2.4 小结 | 第24-25页 |
| 第三章 Haar型LBP纹理特征的人体姿态估计 | 第25-36页 |
| 3.1 人体上肢模型 | 第25页 |
| 3.2 融合部件观测联系的外观模型 | 第25-26页 |
| 3.3 Haar型LBP特征及其改进 | 第26-28页 |
| 3.3.1 Haar型HLBP特征 | 第26-27页 |
| 3.3.2 HLBP的改进 | 第27-28页 |
| 3.4 基于WHLBP特征的人体姿态估计 | 第28-31页 |
| 3.4.1 上肢检测 | 第28-29页 |
| 3.4.2 前景突出 | 第29页 |
| 3.4.3 外观模型的建立 | 第29页 |
| 3.4.4 姿态推断 | 第29-31页 |
| 3.5 实验与分析 | 第31-35页 |
| 3.5.1 前景突出对比实验 | 第31-32页 |
| 3.5.2 不同特征提取方法对比实验 | 第32-33页 |
| 3.5.3 Gabor滤波器与WHLBP对比实验 | 第33-35页 |
| 3.6 小结 | 第35-36页 |
| 第四章 SLIC超像素分割的减小姿态搜索空间研究 | 第36-47页 |
| 4.1 图像的超像素分割 | 第36-37页 |
| 4.2 简单线性迭代聚类超像素分割 | 第37-38页 |
| 4.3 基于SLIC的Grab cut减小搜索空间的人体姿态估计算法 | 第38-42页 |
| 4.3.1 Grab cut算法 | 第38-39页 |
| 4.3.2 基于SLIC的Grab Cut算法 | 第39-42页 |
| 4.3.3 SLIC超像素分割减小搜索空间的人体姿态估计算法 | 第42页 |
| 4.4 实验结果与分析 | 第42-46页 |
| 4.4.1 减小搜索空间实验 | 第43-45页 |
| 4.4.2 姿态估计准确度实验 | 第45-46页 |
| 4.5 小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 参考文献 | 第49-56页 |
| 致谢 | 第56-57页 |
| 附录 A （攻读学位期间所发表的学术论文） | 第57页 |
广告服务 
