基于铁路驾驶员行为识别的视频事件检测
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 视频事件检测研究现状 | 第10-11页 |
| 1.2.2 行为识别技术研究现状 | 第11-13页 |
| 1.3 本文主要的研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 第二章 铁路驾驶员视频事件检测系统设计 | 第15-21页 |
| 2.1 系统硬件选择 | 第15-17页 |
| 2.1.1 摄像头选择 | 第15-16页 |
| 2.1.2 主机选择 | 第16-17页 |
| 2.2 系统开发环境 | 第17-18页 |
| 2.2.1 计算机视觉库 | 第17-18页 |
| 2.2.2 Qt框架下的系统开发 | 第18页 |
| 2.3 系统处理流程 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 视频图像预处理 | 第21-33页 |
| 3.1 图像归一化 | 第21-24页 |
| 3.2 图像滤波 | 第24-28页 |
| 3.2.1 均值滤波 | 第24-25页 |
| 3.2.2 中值滤波 | 第25页 |
| 3.2.3 高斯滤波 | 第25-27页 |
| 3.2.4 双边滤波 | 第27-28页 |
| 3.3 图像增强 | 第28-32页 |
| 3.3.1 直方图拉伸 | 第29-30页 |
| 3.3.2 直方图均衡化 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 基于局部特征的驾驶员目标检测与跟踪 | 第33-62页 |
| 4.1 运动目标检测技术分析 | 第34-37页 |
| 4.1.1 背景差分法 | 第34-35页 |
| 4.1.2 光流法 | 第35页 |
| 4.1.3 帧间差分法 | 第35-37页 |
| 4.2 基于局部特征的多目标检测 | 第37-52页 |
| 4.2.1 基于SIFT算法的闸把检测 | 第37-38页 |
| 4.2.2 基于肤色信息与帧间差分的手部检测 | 第38-42页 |
| 4.2.3 基于HOG+SVM的头部检测 | 第42-52页 |
| 4.3 运动目标跟踪技术分析 | 第52-56页 |
| 4.3.1 基于主动轮廓的跟踪 | 第53-54页 |
| 4.3.2 基于特征的跟踪 | 第54页 |
| 4.3.3 基于区域的跟踪 | 第54-55页 |
| 4.3.4 基于模型的跟踪 | 第55-56页 |
| 4.4 基于目标检测的KCF跟踪算法 | 第56-61页 |
| 4.4.1 循环矩阵采样 | 第57-58页 |
| 4.4.2 训练分类器 | 第58-59页 |
| 4.4.3 快速检测 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 铁路驾驶视频异常事件检测 | 第62-77页 |
| 5.1 高层的行为识别和语义描述 | 第62-66页 |
| 5.1.1 驾驶员行为分析与识别 | 第63-65页 |
| 5.1.2 异常行为的语义描述 | 第65-66页 |
| 5.2 基于复合性原则的异常判断机制 | 第66-70页 |
| 5.2.1 框架描述 | 第66-67页 |
| 5.2.2 异常事件自主判断模型 | 第67-69页 |
| 5.2.3 模型应用与分析 | 第69-70页 |
| 5.3 实验及结果分析 | 第70-76页 |
| 5.3.1 第一类异常事件检测及结果分析 | 第72-73页 |
| 5.3.2 第二类异常事件检测及结果分析 | 第73-74页 |
| 5.3.3 第三类异常事件检测及结果分析 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84-85页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第85页 |
