| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-11页 |
| CONTENTS | 第11-15页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 生物特征识别 | 第15页 |
| 1.1.1 生物特征识别技术的产生与发展 | 第15页 |
| 1.2 研究课题的意义 | 第15-17页 |
| 1.2.1 课题研究的背景 | 第15-17页 |
| 1.2.2 课题研究的意义 | 第17页 |
| 1.3 国内外研究的状况 | 第17-19页 |
| 1.3.1 基于视频监控异常行为检测技术的国外发展状况 | 第18-19页 |
| 1.3.2 基于视频监控异常行为检测技术的国内发展状况 | 第19页 |
| 1.4 本文的研究内容及章节安排 | 第19-22页 |
| 1.4.1 本文研究的目标 | 第19-20页 |
| 1.4.2 本文研究的内容 | 第20-21页 |
| 1.4.3 本课题拟解决的关键问题 | 第21-22页 |
| 1.4.4 本论文的贡献 | 第22页 |
| 1.5 本文组织结构 | 第22-23页 |
| 1.6 本章小结 | 第23-24页 |
| 第二章 人体异常行为识别系统的整体方案 | 第24-34页 |
| 2.1 视频监控系统特点分析 | 第24-25页 |
| 2.1.1 视频监控系统的结构特点 | 第24-25页 |
| 2.1.2 人体异常行为识别检测系统的功能特点 | 第25页 |
| 2.2 系统设计的功能需求分析和系统的总体设计方案 | 第25-27页 |
| 2.2.1 人体异常行为识别检测系统方案分析 | 第25-26页 |
| 2.2.2 人体异常行为识别检测系统的总体设计方案 | 第26-27页 |
| 2.3 人体异常行为识别检测系统的硬件构成 | 第27-30页 |
| 2.3.1 视频监控系统核心技术 | 第27-29页 |
| 2.3.2 主控机的硬件要求 | 第29-30页 |
| 2.4 基于视频监控人体异常行为检测系统的软件设计 | 第30-33页 |
| 2.4.1 软件的开发的基本要求 | 第30页 |
| 2.4.2 中心平台管理系统软件配置 | 第30页 |
| 2.4.3 系统软件的功能模块 | 第30-32页 |
| 2.4.4 软件界面设计 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 运动目标检测 | 第34-49页 |
| 3.1 运动目标检测技术概述 | 第34-35页 |
| 3.2 图像预处理技术 | 第35-38页 |
| 3.2.1 图像降噪 | 第35-36页 |
| 3.2.2 基于动态窗口自适应中值滤波 | 第36-38页 |
| 3.3 常用的图像分割技术概述 | 第38-47页 |
| 3.3.1 帧间差分法 | 第39页 |
| 3.3.2 光流法 | 第39-40页 |
| 3.3.3 背景减除法 | 第40页 |
| 3.3.4 目标检测算法的比较 | 第40-43页 |
| 3.3.5 基于加权阈值背景减除法 | 第43-47页 |
| 3.4 实验结果及分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 运动目标跟踪算法研究 | 第49-63页 |
| 4.1 人体运动行为的分析 | 第49-51页 |
| 4.1.1 人体行为特征提取的分析 | 第49页 |
| 4.1.2 跟踪算法中常见的特征模型 | 第49-51页 |
| 4.2 运动目标跟踪算法 | 第51-53页 |
| 4.2.1 人体运动跟踪研究现状 | 第51页 |
| 4.2.2 几种经典跟踪算法 | 第51-53页 |
| 4.3 改进的跟踪算法 | 第53-61页 |
| 4.3.1 Mean Shift跟踪算法 | 第53-57页 |
| 4.3.2 改进的Mean Shift跟踪算法 | 第57-59页 |
| 4.3.3 算法实现 | 第59-60页 |
| 4.3.4 实验结果分析 | 第60-61页 |
| 4.4 本章小结 | 第61-63页 |
| 第五章 人体异常行为识别方法研究 | 第63-87页 |
| 5.1 人体异常行为概述 | 第63页 |
| 5.2 异常行为识别方法 | 第63-65页 |
| 5.2.1 模板匹配方法 | 第64页 |
| 5.2.2 状态空间方法 | 第64-65页 |
| 5.3 人工神经网络 | 第65页 |
| 5.4 BP神经网络模型 | 第65-73页 |
| 5.4.1 BP神经网络模型基本原理 | 第65-67页 |
| 5.4.2 BP标准算法具体实现 | 第67-70页 |
| 5.4.3 BP算法常见问题 | 第70页 |
| 5.4.4 基于L-M优化算法改进的BP神经网络 | 第70-73页 |
| 5.5 人体异常行为特征的提取 | 第73-78页 |
| 5.5.1 人体姿态的描述 | 第73-74页 |
| 5.5.2 最外轮廓提取过程 | 第74-76页 |
| 5.5.3 基于Hu不变矩的异常行为识别 | 第76-78页 |
| 5.6 基于BP神经网络的人体异常行为识别 | 第78-81页 |
| 5.6.1 BP神经网络参数设置 | 第78-79页 |
| 5.6.2 BP神经网络的行为识别的流程图 | 第79-81页 |
| 5.6.3 人体异常行为标准样本库建立 | 第81页 |
| 5.7 实验测试及结果分析 | 第81-85页 |
| 5.7.1 制作训练样本 | 第82-83页 |
| 5.7.2 人体异常行为识别的结果分析 | 第83-85页 |
| 5.8 本章小结 | 第85-87页 |
| 结论与展望 | 第87-88页 |
| 工作总结 | 第87页 |
| 工作展望 | 第87-88页 |
| 参考文献 | 第88-92页 |
| 攻读学位期间发表论文 | 第92-94页 |
| 致谢 | 第94页 |
