中文摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-17页 |
1.1 课题的研究背景和意义 | 第11-12页 |
1.2 视频监控系统的发展 | 第12-13页 |
1.3 智能视频监控技术国内外研究现状 | 第13-15页 |
1.3.1 运动目标检测 | 第13-14页 |
1.3.2 目标跟踪 | 第14页 |
1.3.3 目标识别 | 第14-15页 |
1.4 本文的主要研究内容 | 第15-16页 |
1.5 论文的组织结构及章节安排 | 第16-17页 |
第2章 基于混合高斯模型的运动目标检测算法研究 | 第17-33页 |
2.1 运动目标检测理论基础 | 第17-20页 |
2.1.1 图像预处理 | 第17-19页 |
2.1.2 基本的运动目标检测方法 | 第19-20页 |
2.2 混合高斯模型背景建模 | 第20-26页 |
2.2.1 混合高斯背景模型参数估计 | 第20-23页 |
2.2.2 模型参数初始化 | 第23-24页 |
2.2.3 混合高斯背景建模与更新 | 第24-26页 |
2.3 基于三帧差分的混合高斯背景模型运动目标检测算法设计 | 第26-32页 |
2.3.1 基于三帧差分的学习率自适应混合高斯模型背景更新 | 第26-29页 |
2.3.2 目标检测 | 第29-30页 |
2.3.3 实验结果与分析 | 第30-32页 |
2.4 本章总结 | 第32-33页 |
第3章 基于SIFT特征匹配和FPGA加速的目标跟踪 | 第33-55页 |
3.1 SIFT特征提取算法 | 第33-38页 |
3.1.1 构建尺度空间 | 第33-35页 |
3.1.2 检测尺度空间关键点并精确定位 | 第35-36页 |
3.1.3 SIFT特征点方向分配 | 第36-37页 |
3.1.4 SIFT特征描述子生成 | 第37-38页 |
3.2 SIFT算法的FPGA硬件加速设计 | 第38-48页 |
3.2.1 SFIT算法硬件加速的必要性 | 第38页 |
3.2.2 三种硬件加速方案的比较 | 第38-39页 |
3.2.3 DoG尺度空间模块 | 第39-43页 |
3.2.4 极值点定位及其可靠性检测模块 | 第43-47页 |
3.2.5 SIFT特征点梯度模值及方向计算模块 | 第47-48页 |
3.3 基于SIFT特征匹配的目标跟踪 | 第48-54页 |
3.3.1 运动目标跟踪的总体架构 | 第48-49页 |
3.3.2 目标SIFT特征匹配 | 第49-50页 |
3.3.3 目标模板库更新 | 第50-51页 |
3.3.4 测试结果及分析 | 第51-54页 |
3.4 本章小结 | 第54-55页 |
第4章 基于支持向量机的运动目标识别 | 第55-69页 |
4.1 分类器构造 | 第55-62页 |
4.1.1 统计学习理论基础 | 第55-56页 |
4.1.2 支持向量机 | 第56-61页 |
4.1.3 核函数选择 | 第61-62页 |
4.2 支持向量机目标分类识别算法设计 | 第62-65页 |
4.2.1 目标特征向量提取 | 第62-64页 |
4.2.2 支持向量机目标分类算法设计 | 第64-65页 |
4.3 实验结果分析 | 第65-68页 |
4.4 本章小结 | 第68-69页 |
第5章 基于SoC的分布式智能视频监控系统设计与实现 | 第69-85页 |
5.1 SoC系统方案论证与设计 | 第69-72页 |
5.1.1 系统功能需求 | 第69-71页 |
5.1.2 Zynq-7000平台介绍 | 第71页 |
5.1.3 系统整体设计 | 第71-72页 |
5.2 视频采集 | 第72-77页 |
5.2.1 摄像头配置 | 第74-75页 |
5.2.2 图像数据采集 | 第75-76页 |
5.2.3 基于VDMA的视频缓存 | 第76-77页 |
5.3 Linux嵌入式操作系统移植 | 第77-80页 |
5.3.1 嵌入式系统引导程序开发 | 第77-78页 |
5.3.2 内核配编译和设备树生成 | 第78-79页 |
5.3.3 建立根文件系统 | 第79-80页 |
5.4 智能监控程序设计与实现 | 第80-84页 |
5.4.1 OpenCV和QT的移植 | 第80页 |
5.4.2 基于OpenCV的智能视频监控程序实现 | 第80-82页 |
5.4.3 系统测试 | 第82-84页 |
5.5 本章小结 | 第84-85页 |
第6章 总结与展望 | 第85-87页 |
参考文献 | 第87-91页 |
致谢 | 第91-93页 |
攻读硕士期间科研情况 | 第93页 |