| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·智能视觉监控系统的研究目的及意义 | 第11-13页 |
| ·智能视觉监控系统的研究目的及意义 | 第11-12页 |
| ·智能视觉监控系统的结构和工作原理 | 第12-13页 |
| ·智能视觉监控系统的功能 | 第13页 |
| ·智能视觉监控系统关键技术的国内外发展概况 | 第13-16页 |
| ·视觉监控系统的国内外发展状况 | 第13-15页 |
| ·视觉监控系统算法的发展状况 | 第15-16页 |
| ·本文主要研究工作 | 第16-17页 |
| ·本章小节 | 第17-18页 |
| 第二章 视觉监控相关技术及算法介绍 | 第18-31页 |
| ·视觉图像预处理技术 | 第18-20页 |
| ·图像增强 | 第18-19页 |
| ·图像平滑去噪 | 第19-20页 |
| ·图像锐化 | 第20页 |
| ·运动目标检测算法 | 第20-23页 |
| ·传统运动目标检测算法 | 第21-23页 |
| ·各种算法优缺点的比较 | 第23页 |
| ·图像配准方法 | 第23-30页 |
| ·图像匹配的定义 | 第23页 |
| ·匹配方法分类 | 第23-24页 |
| ·图像匹配的一般流程 | 第24页 |
| ·灰度配准 | 第24-28页 |
| ·特征配准 | 第28-30页 |
| ·本章小节 | 第30-31页 |
| 第三章 帧间差分与背景相减相结合算法与SIFT 算法相结合跟踪人或车的研究 | 第31-45页 |
| ·时域差分算法 | 第31-35页 |
| ·帧间差分运动目标检测算法原理 | 第31-32页 |
| ·多帧差分运动目标检测算法原理 | 第32-33页 |
| ·时域差分算法实验结果与分析 | 第33-35页 |
| ·背景相减算法 | 第35-36页 |
| ·三帧差分与背景相减相结合算法 | 第36页 |
| ·检测结果 | 第36页 |
| ·SIFT 算法 | 第36-40页 |
| ·检测尺度空间极值点 | 第36-38页 |
| ·SIFT 特征向量的生成 | 第38页 |
| ·SIFT 特征向量的匹配 | 第38-39页 |
| ·SIFT 算法软件流程图 | 第39-40页 |
| ·SIFT 算法检测结果 | 第40页 |
| ·三帧差分与背景相减相结合算法与SIFT 算法相结合跟踪人或车 | 第40-44页 |
| ·检测结果 | 第40-43页 |
| ·结果分析 | 第43页 |
| ·结论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 Camshift 与Kalman 算法相结合跟踪人的研究 | 第45-55页 |
| ·Camshift 算法 | 第45-51页 |
| ·Meanshift 算法 | 第45-46页 |
| ·颜色空间 | 第46-49页 |
| ·Meanshift(均值漂移)算法寻找质心的过程 | 第49页 |
| ·Camshift 算法的详细步骤 | 第49-50页 |
| ·Camshift 算法的详细流程 | 第50-51页 |
| ·Kalman 算法 | 第51-52页 |
| ·Camshift 与Kalman 算法相结合跟踪人 | 第52-54页 |
| ·直接用Camshift 算法识别人 | 第52页 |
| ·Camshift 与Kalman 算法结合识别人 | 第52-53页 |
| ·实验结果及结果分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
