| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 图像增强方法研究现状 | 第15-17页 |
| 1.2.2 目标检测方法研究现状 | 第17-18页 |
| 1.2.3 视频智能分析研究现状 | 第18-19页 |
| 1.3 本文的主要工作 | 第19-21页 |
| 第二章 目标检测系统总体设计 | 第21-27页 |
| 2.1 目标检测系统设计目标 | 第21-22页 |
| 2.2 目标检测系统总体设计方案 | 第22-26页 |
| 2.2.1 目标检测系统硬件架构 | 第22-24页 |
| 2.2.2 目标检测系统软件架构 | 第24-25页 |
| 2.2.3 目标检测系统算法流程 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于GPU的图像增强算法设计与实现 | 第27-47页 |
| 3.1 RETINEX算法描述 | 第27-31页 |
| 3.1.1 Retinex理论 | 第27-28页 |
| 3.1.2 单尺度Retinex算法 | 第28-29页 |
| 3.1.3 多尺度Retinex算法 | 第29-30页 |
| 3.1.4 仿真结果对比分析 | 第30-31页 |
| 3.2 GPU嵌入式开发平台简介 | 第31-35页 |
| 3.2.1 Jetson TK1开发平台简介 | 第31-32页 |
| 3.2.2 CUDA编程模型 | 第32-35页 |
| 3.3 基于JETSON TK1的RETINEX多尺度图像增强算法实现 | 第35-43页 |
| 3.3.1 改进的MSR算法设计 | 第35-37页 |
| 3.3.2 MSR-YUV算法的GPU实现 | 第37-39页 |
| 3.3.3 部分算法模块在GPU上的优化 | 第39-43页 |
| 3.4 实验结果及分析 | 第43-46页 |
| 3.4.1 处理前后效果对比 | 第43-44页 |
| 3.4.2 目标显著度分析 | 第44-46页 |
| 3.4.3 实验结果与CPU的比较 | 第46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 弱小目标检测算法的设计及其DSP实现 | 第47-73页 |
| 4.1 双通道目标检测算法设计 | 第47-58页 |
| 4.1.1 通道A目标检测算法设计 | 第47-53页 |
| 4.1.2 通道B目标检测算法设计 | 第53-58页 |
| 4.2 DSP开发平台简介 | 第58-61页 |
| 4.2.1 DM8127芯片分析 | 第58-59页 |
| 4.2.2 TMS320C674X DSP内核 | 第59-61页 |
| 4.3 所提算法的DSP实现及优化 | 第61-68页 |
| 4.3.1 系统软件总体设计 | 第61-63页 |
| 4.3.2 弱小目标检测算法实现及优化 | 第63-67页 |
| 4.3.3 目标参数传输 | 第67-68页 |
| 4.4 弱小目标检测能力分析 | 第68-72页 |
| 4.4.1 准确度测试 | 第68-71页 |
| 4.4.2 稳定性测试 | 第71-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 目标智能分析算法的设计及实现 | 第73-87页 |
| 5.1 HOG特征提取 | 第73-77页 |
| 5.2 支持向量机简介 | 第77-80页 |
| 5.2.1 线性可分支持向量 | 第77-79页 |
| 5.2.2 线性不可分支持向量 | 第79页 |
| 5.2.3 核函数 | 第79-80页 |
| 5.3 利用OPENCV实现行人识别 | 第80-84页 |
| 5.3.1 视频流及目标参数获取 | 第81页 |
| 5.3.2 目标参数分析与行人粗判定 | 第81-84页 |
| 5.4 检测结果及分析 | 第84-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第六章 系统测试与分析 | 第87-91页 |
| 6.1 人机交互程序设计 | 第87页 |
| 6.2 系统功能测试 | 第87-89页 |
| 6.3 测试结果分析 | 第89-90页 |
| 6.4 本章小结 | 第90-91页 |
| 第七章 总结与展望 | 第91-93页 |
| 7.1 总结 | 第91页 |
| 7.2 展望 | 第91-93页 |
| 致谢 | 第93-94页 |
| 参考文献 | 第94-98页 |
| 攻读硕士期间取得的研究成果 | 第98-99页 |