基于运动检测的智能视频监控系统设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 智能视频监控系统概述 | 第10-11页 |
| 1.2 系统研究背景和意义 | 第11-12页 |
| 1.3 国内外发展现状 | 第12-14页 |
| 1.4 论文的主要工作和结构安排 | 第14-16页 |
| 第二章 视频监控图像预处理 | 第16-24页 |
| 2.1 颜色模型概述 | 第16-17页 |
| 2.2 图像二值化与灰度化 | 第17-18页 |
| 2.3 图像降噪 | 第18-19页 |
| 2.4 图像边缘提取 | 第19-22页 |
| 2.4.1 边缘检测算子分析 | 第19-20页 |
| 2.4.2 Sobel算子检测原理 | 第20-22页 |
| 2.5 图像的腐蚀膨胀 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 运动目标检测算法研究 | 第24-40页 |
| 3.1 运动目标检测算法 | 第24-34页 |
| 3.1.1 帧间差分法 | 第24-26页 |
| 3.1.2 光流法 | 第26-28页 |
| 3.1.3 背景减除法 | 第28-34页 |
| 3.2 改进的运动目标检测算法 | 第34-36页 |
| 3.2.1 三帧差分法融合Vibe算法消除鬼影 | 第34-36页 |
| 3.2.2 算法过程描述 | 第36页 |
| 3.3 结果分析 | 第36-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第四章 运动目标行为分析算法研究 | 第40-51页 |
| 4.1 运动目标行为分析概述 | 第40页 |
| 4.2 慢特征分析 | 第40-43页 |
| 4.3 核慢特征分析 | 第43-45页 |
| 4.3.1 核方法的基本原理 | 第43-44页 |
| 4.3.2 核慢特征分析算法 | 第44-45页 |
| 4.4 改进的 3D CNN算法 | 第45-47页 |
| 4.4.1 3D CNN算法 | 第45页 |
| 4.4.2 基于核慢特征分析的 3D CNN算法 | 第45-47页 |
| 4.5 实验与分析 | 第47-50页 |
| 4.5.1 实验数据集 | 第47页 |
| 4.5.2 实验结果 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 智能视频监控系统的实现 | 第51-63页 |
| 5.1 系统体系结构 | 第51页 |
| 5.2 系统功能模块结构 | 第51-56页 |
| 5.2.1 流媒体服务模块 | 第52-54页 |
| 5.2.2 视频播放模块 | 第54页 |
| 5.2.3 云台控制模块 | 第54页 |
| 5.2.4 视频报警模块 | 第54-56页 |
| 5.3 系统实现 | 第56-58页 |
| 5.3.1 系统运行环境 | 第56页 |
| 5.3.2 系统安装 | 第56-57页 |
| 5.3.3 界面设计 | 第57-58页 |
| 5.4 实验结果 | 第58-62页 |
| 5.4.1 运动检测 | 第58-59页 |
| 5.4.2 运动报警 | 第59-60页 |
| 5.4.3 云台控制功能 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63-64页 |
| 6.2 论文展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第70-71页 |
| 致谢 | 第71-73页 |
