| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 国内外发展研究现状 | 第15-16页 |
| 1.3 本文的研究内容及主要工作 | 第16-17页 |
| 1.4 论文结构安排 | 第17-20页 |
| 第二章 相关技术研究 | 第20-28页 |
| 2.1“平安城市”监控系统的建设方式研究 | 第20-21页 |
| 2.1.1 后端布局IP-SAN集中存储模式 | 第20页 |
| 2.1.2 前端NVR分布存储 | 第20-21页 |
| 2.1.3 方案对比分析 | 第21页 |
| 2.2 视频计算技术 | 第21-25页 |
| 2.2.1 视频计算算法流程 | 第21-22页 |
| 2.2.2 目标检测与跟踪 | 第22-24页 |
| 2.2.3 目标识别 | 第24-25页 |
| 2.2.4 行为分析 | 第25页 |
| 2.3 行人识别算法 | 第25-26页 |
| 2.4 计算机视觉库Open CV | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 面向大规模监控系统的视频计算架构 | 第28-38页 |
| 3.1 计算架构 | 第28-29页 |
| 3.1.1 边缘化视频计算架构 | 第28-29页 |
| 3.1.2 节点部署方式 | 第29页 |
| 3.2 任务调度策略 | 第29-33页 |
| 3.2.1 分层式任务调度 | 第29-30页 |
| 3.2.2 全局调度者 | 第30-31页 |
| 3.2.3 本地调度者 | 第31-33页 |
| 3.3 计算资源动态调整策略 | 第33-36页 |
| 3.3.1 视频帧丢弃算法 | 第33-35页 |
| 3.3.2 动态增加计算资源 | 第35-36页 |
| 3.4 计算架构分析 | 第36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于行人检测算法的修正方法研究 | 第38-50页 |
| 4.1 人员检测算法问题分析 | 第38-39页 |
| 4.2 基于贝叶斯推断的人员检测结果修正方法 | 第39-43页 |
| 4.2.1 贝叶斯分类算法 | 第39-40页 |
| 4.2.2 修正分类器 | 第40-41页 |
| 4.2.3 方法组成 | 第41页 |
| 4.2.4 基于贝叶斯推断的人员检测结果修正方法 | 第41-43页 |
| 4.2.5 方法分析 | 第43页 |
| 4.3 基于可信度的自适应人员检测方法 | 第43-49页 |
| 4.3.1 时间位置复合可信度 | 第43-44页 |
| 4.3.2 方法组成 | 第44-45页 |
| 4.3.3 基于可信度的自适应人员入侵检测方法 | 第45-46页 |
| 4.3.4 方法分析 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 系统设计与实现 | 第50-68页 |
| 5.1 系统详细设计 | 第50-59页 |
| 5.1.1 总体设计 | 第50-51页 |
| 5.1.2 中心节点设计 | 第51-56页 |
| 5.1.3 边缘节点设计 | 第56-58页 |
| 5.1.4 客户端设计 | 第58-59页 |
| 5.2 系统实验环境 | 第59页 |
| 5.3 方法测试 | 第59-64页 |
| 5.3.1 计算能力动态调整策略测试 | 第60页 |
| 5.3.2 基于贝叶斯推断的人员检测结果修正方法测试 | 第60-63页 |
| 5.3.3 基于可信度的自适应人员检测方法测试 | 第63-64页 |
| 5.4 系统功能验证 | 第64-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 作者简介 | 第76-77页 |