智能视频监控中运动人体检测与跟踪的研究
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究目的及意义 | 第7页 |
| ·国内外的发展及现状 | 第7-8页 |
| ·人体目标识别与跟踪的应用 | 第8-9页 |
| ·研究内容 | 第9页 |
| ·运动目标的检测 | 第9页 |
| ·运动目标的分类 | 第9页 |
| ·运动目标的跟踪 | 第9页 |
| ·研究难点 | 第9-10页 |
| ·本文研究内容及章节安排 | 第10-11页 |
| 第二章 图像预处理 | 第11-16页 |
| ·图像去噪技术 | 第11-13页 |
| ·噪声的分类 | 第11-12页 |
| ·图像去噪方法 | 第12页 |
| ·改进的滤波算法 | 第12-13页 |
| ·图像增强 | 第13-14页 |
| ·图像二值化 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第三章 运动人体检测 | 第16-29页 |
| ·传统的运动目标检测方法 | 第16-19页 |
| ·光流法 | 第16-17页 |
| ·统计学方法 | 第17页 |
| ·时间差分法 | 第17-18页 |
| ·背景差分法 | 第18-19页 |
| ·改进检测算法 | 第19-22页 |
| ·三帧差分相乘法 | 第19-20页 |
| ·边缘检测算法 | 第20页 |
| ·基于边缘检测与三帧差分相乘法相融合的算法 | 第20-21页 |
| ·实验结果及数据分析 | 第21-22页 |
| ·阴影去除技术 | 第22-24页 |
| ·一种YUV颜色空间的阴影去除方法 | 第23-24页 |
| ·实验数据分析 | 第24页 |
| ·人体目标识别 | 第24-28页 |
| ·基于高宽比特征的运动人体识别 | 第25页 |
| ·基于头肩特征Hu矩阵的运动人体识别 | 第25-27页 |
| ·实验结果和数据分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 运动人体跟踪 | 第29-42页 |
| ·目标跟踪分类 | 第29-31页 |
| ·卡尔曼滤波算法 | 第31-33页 |
| ·基于卡尔曼滤波与特征匹配相结合的运动人体跟踪 | 第33-37页 |
| ·一种简化的卡尔曼滤波算法 | 第33-35页 |
| ·运动人体特征参数计算 | 第35-36页 |
| ·人体特征匹配 | 第36-37页 |
| ·一种自动调整窗口位置和大小的卡尔曼滤波算法 | 第37-38页 |
| ·人体间相互融合与分离情况下的跟踪 | 第38-41页 |
| ·人体间融合及分离的判定 | 第40页 |
| ·建立人体灰度模板 | 第40-41页 |
| ·实验仿真和分析 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结和展望 | 第42-44页 |
| ·本文工作总结 | 第42-43页 |
| ·存在不足和下步打算 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 作者简介 | 第49页 |
| 攻读硕士学位期间研究成果 | 第49-50页 |
