全文总字数：3961字
1. 研究目的与意义（文献综述）
1.1研究工作的背景及意义
人体行为分析技术是计算机视觉领域的一个热门研究方向，该技术是利用摄像机、计算机等现代设备对空间中人体的行为动作进行捕获，接着对其进行信息化处理，完成对人体行为动作客观分析的研究技术。人体行为分析技术发展了近40年，但其仍然是一门年轻的学科，还有待科学家对其进行深入发掘与探讨，该技术在智能监控、人机交互、运动分析、虚拟现实等领域有巨大的应用前景。例如，在人类社会中的许多场所都需要视频监控，但传统的设备只能进行普通的拍摄并存储视频画面，当有突发事件时，只能由工作人员查看并调取所需视频画面，其效率低下，不能及时解决问题。而理想的视频监控形式是监控设备能够实时发现画面中的突发事件，并将信息及时反馈给工作人员，第一时间采取有力措施来避免损失。人体行为分析技术在此过程中发挥的作用就得到了体现。
随着人类社会的高速发展，科技也在不断进步，人类越来越向往智能化、现代化的生活，对此有着巨大作用的人体行为分析技术的位置随之改变。人体行为分析技术在经济发展和科学研究中都有着巨大的潜在价值，因此，研究人体行为分析技术是一项很有意义的工作。
2. 研究的基本内容与方案
研究内容、目标和研究方法
结合国内外的研究现状，本文基于双目视觉系统的特点进行人体行为分析研究，主要目标是利用双目视觉系统，实现对运动人体的检测，并实现简单的人体行为识别，例如人员倒地、区域徘徊与滞留等。本文研究的主要内容和方法如下：
首先利用双目视觉系统来实现三维深度信息的获取，需要对双目摄像机进行标定，研究中采用的标定方法是Tsai两步法。在检测运动目标的部分，先是比较现有的几种检测方法的优劣性，并选取背景差分法来实现对运动人体的检测与跟踪，利用Sobel算子提取人体的边缘信息，并运用尺度不变特征变换(Scale-invariantfeature transform，SIFT)算法提取双目摄像机左右图像的特征匹配点，最后结合摄像机的性能参数获取三维深度信息。在进行人体行为的分析过程中采用卷积神经网络（Convolutional Neural Networks-简称CNN）进行研究，将双目摄像机的采集的左右图像采用CNN方法进行行为识别，并将之与库中的样本进行对比计算，最终得到匹配的人体行为识别结果，然后对左右图像的识别结果进行加权融合计算，在实验中调节相关系统参数，以获取更高的行为匹配度，以获得更高精度的人体行为识别结果。
3. 研究计划与安排
1) 2019年2月18日——2019年3月8日：根据论文方向，搜集相关资料，写出开题报告。
2) 2019年3月8日——2019年4月20日：完成论文第一、二、三章。
3) 2019年4月21日——2019年5月10日：完成论文第四、五章。
4. 参考文献（12篇以上）
[1] 祝琨，杨唐文，阮秋琦，et al. 基于双目视觉的运动物体实时跟踪与测距[J]. 机器人，2009, 31(4):327-334.
[2] 罗世民，李茂西. 双目视觉测量中三维坐标的求取方法研究[J]. 计算机工程与设计，2006, 27(19):3622-3624.
[3] 孟浩，程康. 基于SIFT特征点的双目视觉定位[J]. 哈尔滨工程大学学报，2009,30(6):649-652.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
