| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外研究发展现状 | 第15-21页 |
| 1.2.1 智能视频监控系统国内外研究现状 | 第15-16页 |
| 1.2.2 智能视频分析算法研究进展 | 第16-20页 |
| 1.2.3 智能视频分析系统的硬件平台 | 第20-21页 |
| 1.3 本文的主要内容与章节安排 | 第21-23页 |
| 第二章 运动目标检测与跟踪算法概述 | 第23-33页 |
| 2.1 运动目标检测算法介绍 | 第23-25页 |
| 2.2 运动目标跟踪算法介绍 | 第25-28页 |
| 2.2.1 目标遮挡情况下的跟踪算法 | 第25-26页 |
| 2.2.2 基于在线学习的跟踪算法 | 第26-28页 |
| 2.3 压缩感知理论知识 | 第28-31页 |
| 2.3.1 压缩感知基本流程 | 第29-30页 |
| 2.3.2 随机观测矩阵 | 第30-31页 |
| 2.4 本文运动目标检测跟踪算法框架介绍 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 智能摄像机资源受限条件下的目标检测算法实现 | 第33-50页 |
| 3.1 图像处理基础知识 | 第33-35页 |
| 3.2 BCSBS算法 | 第35-41页 |
| 3.2.1 图像预处理 | 第35-38页 |
| 3.2.2 块级别的差分器 | 第38-39页 |
| 3.2.3 像素级别的差分器 | 第39-41页 |
| 3.3 算法有效性分析 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-49页 |
| 3.4.1 评价指标 | 第42-43页 |
| 3.4.2 参数的选取 | 第43-45页 |
| 3.4.3 实验结果及分析 | 第45-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 样本有限和存在遮挡情况下的目标跟踪算法实现 | 第50-70页 |
| 4.1 BSVM-CT算法 | 第50-60页 |
| 4.1.1 目标模型与特征提取 | 第51-53页 |
| 4.1.2 SVM分类器二值近似模型 | 第53-55页 |
| 4.1.3 Coarse-Tracker模块 | 第55-59页 |
| 4.1.4 Fine-Tracker模块 | 第59-60页 |
| 4.2 算法有效性分析 | 第60-63页 |
| 4.2.1 特征的尺度不变性 | 第60-62页 |
| 4.2.2 Coarse-Tracker与Fine-Tracker协同跟踪 | 第62-63页 |
| 4.2.3 压缩感知vs主成分分析 | 第63页 |
| 4.3 实验结果与分析 | 第63-69页 |
| 4.3.1 实验参数设置和评价指标 | 第64页 |
| 4.3.2 实验结果分析 | 第64-69页 |
| 4.4 本章小结 | 第69-70页 |
| 第五章 智能摄像机网络平台构建与目标检测算法实现 | 第70-91页 |
| 5.1 硬件平台系统概述 | 第70-75页 |
| 5.1.1 硬件选型 | 第71-72页 |
| 5.1.2 TMS320DM6437简介 | 第72-73页 |
| 5.1.3 TMS320DM6437视频处理子系统 | 第73-75页 |
| 5.2 软件平台系统概述 | 第75-78页 |
| 5.2.1 CCS3.3（Code Compose Studio） | 第75-76页 |
| 5.2.2 DSP/BIOS内核 | 第76-78页 |
| 5.3 基于DM6437DSP芯片的平台处理视频的优势 | 第78页 |
| 5.4 目标检测算法的系统架构 | 第78-83页 |
| 5.4.1 目标检测算法主要功能模块 | 第79-83页 |
| 5.5 系统的改进和优化 | 第83-88页 |
| 5.5.1 编译器级优化 | 第83-84页 |
| 5.5.2 程序级优化 | 第84-86页 |
| 5.5.3 利用TI函数库 | 第86-87页 |
| 5.5.4 存储空间的优化 | 第87-88页 |
| 5.6 基于硬件平台的目标检测效果 | 第88-89页 |
| 5.7 本章小结 | 第89-91页 |
| 第六章 总结与展望 | 第91-93页 |
| 6.1 本文研究内容 | 第91-92页 |
| 6.2 未来研究展望 | 第92-93页 |
| 参考文献 | 第93-99页 |
| 致谢 | 第99-100页 |
| 攻读硕士学位期间已发表的论文和参加的科研项目 | 第100页 |
