关于ATM机隔间内尾随检测算法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究背景及意义 | 第10-12页 |
| ·国内外关于行为分析的研究现状及难点 | 第12-14页 |
| ·国内外关于行为分析的研究现状 | 第12-13页 |
| ·尾随检测的难点 | 第13-14页 |
| ·研究内容和文章结构 | 第14-16页 |
| ·研究内容 | 第14-15页 |
| ·文章结构 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 运动目标检测方法及改进 | 第17-36页 |
| ·图像预处理 | 第17-25页 |
| ·彩色图像灰度化 | 第17-20页 |
| ·图像滤波 | 第20-25页 |
| ·运动目标检测 | 第25-33页 |
| ·运动目标检测方法综述 | 第25-28页 |
| ·改进的Surendra背景更新法 | 第28-30页 |
| ·运动目标检测 | 第30-32页 |
| ·连通域分析 | 第32-33页 |
| ·阴影检测 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 特征提取方法及比较 | 第36-53页 |
| ·常用的目标特征介绍 | 第36-41页 |
| ·Haar-like特征 | 第37-38页 |
| ·SIFT特征 | 第38-39页 |
| ·Edgelet特征 | 第39-40页 |
| ·Shapelet特征 | 第40-41页 |
| ·局部二值模式(LBP) | 第41-47页 |
| ·基本LBP算子 | 第41-42页 |
| ·LBP算子的其他模式 | 第42-44页 |
| ·局部三值模式(LTP) | 第44-46页 |
| ·局部梯度模式(LGP) | 第46-47页 |
| ·方向梯度直方图(HOG) | 第47-52页 |
| ·基本的HOG特征 | 第48-51页 |
| ·BHOG特征 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 尾随检测算法设计与实现 | 第53-68页 |
| ·支持向量机(SVM)原理介绍 | 第53-56页 |
| ·线性SVM | 第53-55页 |
| ·非线性SVM | 第55-56页 |
| ·尾随检测算法的设计 | 第56-62页 |
| ·训练分类器 | 第56-58页 |
| ·基于置信度的目标识别 | 第58-60页 |
| ·算法流程图 | 第60-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 结束语 | 第68-70页 |
| ·工作总结 | 第68-69页 |
| ·进一步研究建议 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间参加的科研项目和成果 | 第74页 |
