| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第15-29页 |
| ·研究背景和意义 | 第15-17页 |
| ·课题研究背景 | 第15-16页 |
| ·课题研究意义 | 第16-17页 |
| ·智能视频监控系统 | 第17-18页 |
| ·智能视频监控关键技术研究现状及分析 | 第18-25页 |
| ·视频目标检测技术 | 第19-21页 |
| ·视频运动目标跟踪技术 | 第21-24页 |
| ·目标识别技术 | 第24-25页 |
| ·本文研究内容与安排 | 第25-29页 |
| 第二章 基于粗糙集理论的特征选择方法 | 第29-52页 |
| ·粗糙集理论相关知识 | 第30-36页 |
| ·粗糙集的基本概念 | 第31-32页 |
| ·经典约简定义 | 第32-34页 |
| ·基于同可区分度的相对约简 | 第34-36页 |
| ·SIFT描述子与稳健SIFT特征点选择 | 第36-41页 |
| ·SIFT描述子 | 第36-40页 |
| ·基于排序的稳健SIFT特征点选择 | 第40-41页 |
| ·基于同可区分度的近似约简算法 | 第41-44页 |
| ·决策表构造 | 第41-42页 |
| ·基于同可区分度的近似约简算法 | 第42-44页 |
| ·近似约简算法在基于SIFT特征匹配算法中的应用 | 第44-45页 |
| ·实验分析 | 第45-50页 |
| ·小结 | 第50-52页 |
| 第三章 基于粗糙集和MB-LBP特征的快速行人检测算法 | 第52-73页 |
| ·局部二元模式纹理特征 | 第54-58页 |
| ·感兴趣区域分割 | 第58-59页 |
| ·基于粗糙集约简的MB-LBP特征 | 第59-61页 |
| ·基于RS-MB-LBP特征的行人快速检测算法 | 第61-63页 |
| ·实验分析 | 第63-71页 |
| ·红外图像数据集实验分析 | 第63-67页 |
| ·可见光图像数据集实验分析 | 第67-71页 |
| ·小结 | 第71-73页 |
| 第四章 基于约简SIFT特征的非刚性运动目标跟踪 | 第73-97页 |
| ·基于约简SIFT特征的视频目标跟踪 | 第73-76页 |
| ·跟踪基本框架 | 第73-75页 |
| ·图像目标描述 | 第75-76页 |
| ·跟踪中的特征匹配问题描述 | 第76-78页 |
| ·关于匹配矩阵的约束 | 第78-80页 |
| ·熵值约束 | 第78-80页 |
| ·匹配矩阵的 1-1 匹配约束 | 第80页 |
| ·空间几何变换与约束 | 第80-84页 |
| ·空间分布的欧氏距离约束 | 第80-81页 |
| ·仿射变换模型 | 第81-82页 |
| ·非刚性薄板样条变换模型及约束 | 第82-84页 |
| ·SIFT特征点匹配 | 第84-87页 |
| ·匹配及空间变换迭代求解的基本思想 | 第84-85页 |
| ·空间变换模型参数的求解 | 第85页 |
| ·匹配矩阵的求解 | 第85-86页 |
| ·初始解集的限定 | 第86-87页 |
| ·实验与分析 | 第87-96页 |
| ·图像目标匹配实验 | 第87-92页 |
| ·目标视频跟踪实验 | 第92-96页 |
| ·小结 | 第96-97页 |
| 第五章 基于目标特征集网络模型的目标识别 | 第97-120页 |
| ·基于特征集网络的目标模型及学习 | 第97-103页 |
| ·目标特征集网络 | 第98-100页 |
| ·目标特征集网络的训练 | 第100页 |
| ·基于相似性传播的目标特征网络聚类 | 第100-102页 |
| ·描述目标的特征集网络树模型 | 第102-103页 |
| ·基于RSOM聚类树的特征集网络的训练 | 第103-109页 |
| ·基本SOM神经网络 | 第103-105页 |
| ·RSOM神经网络树 | 第105-108页 |
| ·基于RSOM的目标特征集网络的训练 | 第108-109页 |
| ·目标检索与识别 | 第109-111页 |
| ·实验结果与分析 | 第111-119页 |
| ·目标特征集网络模型的训练实验 | 第111-115页 |
| ·目标检索与识别实验 | 第115-119页 |
| ·小结 | 第119-120页 |
| 第六章 总结与展望 | 第120-123页 |
| ·工作总结 | 第120-121页 |
| ·展望 | 第121-123页 |
| 致谢 | 第123-124页 |
| 参考文献 | 第124-139页 |
| 作者在学期间取得的学术成果 | 第139-140页 |