| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 选题背景和意义 | 第9-11页 |
| 1.1.1 视频监控和目标检测的背景和意义 | 第9-10页 |
| 1.1.2 基于课堂录播系统智能视频的背景和意义 | 第10-11页 |
| 1.2 研究内容 | 第11-12页 |
| 1.3 章节安排 | 第12-15页 |
| 第二章 基于室内课程录播系统的目标检测跟踪算法综述 | 第15-25页 |
| 2.1 室内课程录播系统结构概述 | 第15-16页 |
| 2.2 基于静态背景的目标检测算法 | 第16-20页 |
| 2.2.1 背景差法 | 第17-18页 |
| 2.2.2 帧间差分法 | 第18页 |
| 2.2.3 光流法 | 第18-19页 |
| 2.2.4 静态背景算法比较 | 第19-20页 |
| 2.3 基于动态背景的目标检测算法 | 第20-23页 |
| 2.3.1 基于全局运动补偿的目标检测 | 第20页 |
| 2.3.2 基于特征点匹配的参数估计 | 第20-22页 |
| 2.3.3 基于统计学习的目标检测 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第三章 基于室内课程录播系统的目标检测跟踪算法研究 | 第25-51页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于背景建模的学生检测算法 | 第26-30页 |
| 3.2.1 帧差背景建模算法框架 | 第26-27页 |
| 3.2.2 图像腐蚀膨胀技术的应用 | 第27-29页 |
| 3.2.3 运动区域扫描 | 第29-30页 |
| 3.3 基于CENTRIST特征的教师检测算法 | 第30-41页 |
| 3.3.1 基于局部纹理的CENTRIST[44]特征提取 | 第31-34页 |
| 3.3.2 离线SVM[36]分类器训练与检测 | 第34-39页 |
| 3.3.3 实验结果与分析 | 第39-41页 |
| 3.4 结合边缘分级的目标检测算法 | 第41-50页 |
| 3.4.1 多尺度边缘分级技术 | 第41-44页 |
| 3.4.2 结合边缘分级技术的CENTRIST检测算法 | 第44-46页 |
| 3.4.3 实验结果与分析 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 室内课程录播系统设计与实现 | 第51-67页 |
| 4.1 引言 | 第51-52页 |
| 4.1.1 系统背景 | 第51页 |
| 4.1.2 技术指标 | 第51-52页 |
| 4.2 系统设计与实现 | 第52-53页 |
| 4.2.1 系统平台选择 | 第52-53页 |
| 4.2.2 系统硬件结构 | 第53页 |
| 4.3 录播系统模块结构 | 第53-60页 |
| 4.3.1 核心卡功能模块 | 第54-57页 |
| 4.3.2 主机功能模块 | 第57-60页 |
| 4.4 结合运动区域的目标检测算法 | 第60-62页 |
| 4.4.1 结合运动区域的检测算法框架 | 第60-61页 |
| 4.4.2 实际场景效果 | 第61-62页 |
| 4.5 基于嵌入式平台的算法优化 | 第62-64页 |
| 4.5.1 基于DSP的算法移植 | 第62-63页 |
| 4.5.2 教师检测算法优化 | 第63-64页 |
| 4.6 录播系统场景演示 | 第64-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67-68页 |
| 5.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间已发表或录用的论文 | 第75-77页 |
