| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·课题来源 | 第10页 |
| ·论文组织结构 | 第10-13页 |
| 第二章 视频序列图像预处理技术概述 | 第13-19页 |
| ·视频序列概述 | 第13-14页 |
| ·数字图像处理 | 第14-18页 |
| ·灰度化图像 | 第15-16页 |
| ·二值化图像 | 第16-17页 |
| ·图像滤波 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 目标检测与跟踪 | 第19-39页 |
| ·运动前景目标检测算法 | 第19-25页 |
| ·帧差分法（Temporal Difference） | 第20-21页 |
| ·光流法（Optlcal Flow） | 第21-23页 |
| ·背景减除法（Background Subtraction） | 第23-24页 |
| ·三种运动前景目标检测方法总结 | 第24-25页 |
| ·本文使用的运动前景目标检测方法 | 第25-31页 |
| ·基于混合高斯模型的背景减除法 | 第25-28页 |
| ·基于 YCbCr 颜色空间的皮肤检测算法 | 第28-31页 |
| ·运动前景目标跟踪算法 | 第31-34页 |
| ·本文使用的运动前景目标跟踪方法 | 第34-39页 |
| ·均值偏移算法原理 | 第35-36页 |
| ·目标跟踪算法的实现 | 第36-39页 |
| 第四章 ATM 机上的异常行为识别算法设计 | 第39-57页 |
| ·异常行为识别方法的总体设计 | 第39-40页 |
| ·面部检测 | 第40-45页 |
| ·Haar-like 特征以及特征值的计算 | 第41-42页 |
| ·AdaBoost 算法基本原理 | 第42-44页 |
| ·级联分类器 | 第44页 |
| ·本文中的面部检测结果 | 第44-45页 |
| ·剧烈运动实时监控 | 第45-49页 |
| ·基于目标图像质量变化法 | 第45-47页 |
| ·基于目标图像质心位置变化法 | 第47-49页 |
| ·基于隐马尔可夫模型的手部运动轨迹识别 | 第49-52页 |
| ·HMM 初始化 | 第50-51页 |
| ·模型训练 | 第51-52页 |
| ·轨迹匹配识别 | 第52页 |
| ·本文中手部轨迹识别 | 第52页 |
| ·遗留物检测 | 第52-57页 |
| 第五章 基于 OpenCV 的系统实现 | 第57-65页 |
| ·视频采集 | 第57页 |
| ·系统平台介绍 | 第57-59页 |
| ·主要模块实现 | 第59-65页 |
| ·图像获取 | 第59-60页 |
| ·面部检测模块 | 第60页 |
| ·剧烈运动检测模块 | 第60-61页 |
| ·手部轨迹检测模块 | 第61页 |
| ·遗留物检测模块 | 第61-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65页 |
| ·展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |