| 摘要 | 第1-10页 |
| Abstract | 第10-12页 |
| 第1章 绪论 | 第12-17页 |
| ·研究目的及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·智能视频监控 | 第13-14页 |
| ·人体行为识别 | 第14-15页 |
| ·本文研究的主要内容 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第2章 运动人体目标分割 | 第17-31页 |
| ·运动目标检测常见方法 | 第17-23页 |
| ·帧差法 | 第17-19页 |
| ·背景减除法 | 第19-20页 |
| ·高斯模型法 | 第20-23页 |
| ·阈值的自适应选取 | 第23-26页 |
| ·一维Otsu算法 | 第23-24页 |
| ·二维Otsu算法 | 第24-26页 |
| ·连通域检测 | 第26-27页 |
| ·仿真实验 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于模板匹配的人体行为识别 | 第31-53页 |
| ·引言 | 第31页 |
| ·特征提取算子的研究 | 第31-38页 |
| ·传统Hu不变矩 | 第31-35页 |
| ·梯度方向直方图 | 第35-38页 |
| ·基于加权Hu矩的人体行为识别 | 第38-41页 |
| ·基于加权Hu矩和HOG特征的自适应融合 | 第41-50页 |
| ·特征融合流程图 | 第41-43页 |
| ·加权系数α和β的确立 | 第43-50页 |
| ·实验与分析 | 第50-52页 |
| ·不同Hu矩的比较 | 第50页 |
| ·加权Hu矩与HOG的比较 | 第50-51页 |
| ·加权Hu矩和HOG特征的自适应融合 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 复杂背景下的人体目标跟踪 | 第53-68页 |
| ·引言 | 第53页 |
| ·Mean Shift跟踪算法 | 第53-56页 |
| ·模型的表达 | 第54页 |
| ·相似性函数 | 第54-55页 |
| ·目标定位 | 第55页 |
| ·Mean Shift算法的优缺点 | 第55-56页 |
| ·基于多特征融合的Mean Shift跟踪算法 | 第56-60页 |
| ·模型的表达 | 第56-57页 |
| ·相似性函数 | 第57页 |
| ·多特征加权系数的确立 | 第57-58页 |
| ·目标定位 | 第58-59页 |
| ·多特征融合的目标跟踪算法 | 第59-60页 |
| ·与传统Mean Shift跟踪算法的比较 | 第60页 |
| ·基于灰度和HOG特征融合的Mean Shift跟踪算法 | 第60-61页 |
| ·实验与分析 | 第61-67页 |
| ·单目标跟踪性能对比 | 第61-64页 |
| ·多目标跟踪性能对比 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 基于运动轨迹的人体异常行为识别 | 第68-74页 |
| ·引言 | 第68页 |
| ·越线检测 | 第68-69页 |
| ·徘徊检测 | 第69-72页 |
| ·闭合曲线 | 第69-70页 |
| ·螺旋曲线 | 第70-72页 |
| ·群聚及分散检测 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 第6章 结束语 | 第74-76页 |
| ·论文研究工作总结 | 第74-75页 |
| ·进一步研究计划 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 作者在学期间取得的学术成果 | 第81页 |