智能视频监控关键算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| CONTENTS | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 智能视频监控研究背景和意义 | 第10-11页 |
| 1.2 智能视频监控发展现状 | 第11-12页 |
| 1.3 智能视频监控的难点 | 第12-13页 |
| 1.4 主要研究内容及结构安排 | 第13-16页 |
| 1.4.1 主要研究内容 | 第13页 |
| 1.4.2 结构安排 | 第13-16页 |
| 第二章 智能视频监控相关技术基础 | 第16-22页 |
| 2.1 运动目标检测方法 | 第16-19页 |
| 2.1.1 帧差法 | 第16-17页 |
| 2.1.2 背景减除法 | 第17-18页 |
| 2.1.3 光流法 | 第18-19页 |
| 2.2 视频摘要技术 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 支持向量机的运动目标检测 | 第22-36页 |
| 3.1 支持向量机的介绍 | 第22-24页 |
| 3.1.1 线性SVM | 第22-23页 |
| 3.1.2 线性分类原理 | 第23-24页 |
| 3.2 归一化二进制梯度特征 | 第24-28页 |
| 3.2.1 图像梯度特征 | 第24-27页 |
| 3.2.2 归一化梯度特征 | 第27-28页 |
| 3.3 基于归一化梯度特征的运动目标检测 | 第28-29页 |
| 3.3.1 训练SVM分类器 | 第28页 |
| 3.3.2 运动目标检测 | 第28-29页 |
| 3.4 改进SVM和梯度特征 | 第29-31页 |
| 3.4.1 改进归一化梯度特征 | 第29-30页 |
| 3.4.2 改进SVM分类器 | 第30-31页 |
| 3.5 实验结果与分析 | 第31-34页 |
| 3.5.1 提取训练样本 | 第32-33页 |
| 3.5.2 实验结果 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 视频内容融合算法 | 第36-42页 |
| 4.1 视频段分割算法 | 第36-38页 |
| 4.2 基于目标分割的视频内容融合 | 第38-39页 |
| 4.3 目标分割 | 第39页 |
| 4.4 实验结果与分析 | 第39-40页 |
| 4.5 本章小结 | 第40-42页 |
| 第五章 智能视频监控系统架构 | 第42-48页 |
| 5.1 系统开发环境 | 第42-43页 |
| 5.1.1 OpenCV函数库的简介 | 第42-43页 |
| 5.2 智能视频监控系统总体设计 | 第43-46页 |
| 5.2.1 遗留物检测模块 | 第44-46页 |
| 5.2.2 越界处理模块 | 第46页 |
| 5.3 本章小结 | 第46-48页 |
| 总结与展望 | 第48-50页 |
| 总结 | 第48页 |
| 展望 | 第48-50页 |
| 参考文献 | 第50-55页 |
| 攻读学位期间发表的论文 | 第55-57页 |
| 致谢 | 第57页 |
