监控视频结构化分析的研究与系统实现
| 摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第1章 绪论 | 第15-28页 |
| 1.1 课题来源 | 第15页 |
| 1.2 研究背景 | 第15-22页 |
| 1.2.1 传统计算机视觉方法的技术瓶颈 | 第17-19页 |
| 1.2.2 基于深度学习的计算机视觉走向成熟 | 第19-21页 |
| 1.2.3 深度学习在计算机视觉应用的发展 | 第21-22页 |
| 1.2.4 深度学习在视频结构化分析上的难点 | 第22页 |
| 1.3 本文的贡献 | 第22-24页 |
| 1.4 实验与开发平台 | 第24-25页 |
| 1.5 论文的组织 | 第25-28页 |
| 第2章 监控视频结构化分析 | 第28-43页 |
| 2.1 视频图像结构化分析与检索 | 第28-37页 |
| 2.1.1 传统的目标检测 | 第29页 |
| 2.1.2 基于深度学习多目标检测 | 第29-30页 |
| 2.1.3 多目标跟踪 | 第30-36页 |
| 2.1.4 多目标轨迹分析 | 第36-37页 |
| 2.2 多目标检测跟踪设计 | 第37-38页 |
| 2.3 视频要素数据库 | 第38-41页 |
| 2.3.1 MySQL数据库设计 | 第38-40页 |
| 2.3.2 多线程缓冲与存储处理 | 第40-41页 |
| 2.4 多目标检测跟踪模块界面展示 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第3章 串级神经网络精细化识别 | 第43-58页 |
| 3.1 单级卷积神经网络特征提取缺陷 | 第43-44页 |
| 3.2 对人眼视觉的研究 | 第44页 |
| 3.3 串级卷积神经网络设计 | 第44-46页 |
| 3.4 基于SSD的多目标检测与精细化识别 | 第46-53页 |
| 3.4.1 SSD在行人精细化识别中应用 | 第47-48页 |
| 3.4.2 实验结果 | 第48-53页 |
| 3.5 行人衣着及附属物件颜色识别 | 第53-57页 |
| 3.5.1 算法实现原理 | 第53-54页 |
| 3.5.2 颜色空间变换 | 第54页 |
| 3.5.3 超像素分割小块的颜色量化与判断规则 | 第54-56页 |
| 3.5.4 实验结果分析 | 第56-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 鹰眼镜头与AI高点云防防控平台 | 第58-92页 |
| 4.1 鹰眼远程人脸识别系统 | 第58-63页 |
| 4.1.1 系统原型软硬件展示 | 第59-61页 |
| 4.1.2 系统原理流程 | 第61页 |
| 4.1.3 网格插值坐标关联法 | 第61-63页 |
| 4.2 基于GAN网络的室外人脸光照归一化 | 第63-69页 |
| 4.2.1 实验步骤 | 第65-67页 |
| 4.2.2 实验结果 | 第67-69页 |
| 4.3 AI高点云防防控平台 | 第69-88页 |
| 4.3.1 核心算法介绍 | 第71-83页 |
| 4.3.2 系统原型界面展本 | 第83-88页 |
| 4.4 一种基于GAN网络的单目深度估计方法 | 第88-90页 |
| 4.5 本章小结 | 第90-92页 |
| 第5章 基于回波多普勒效应的高空抛物检测 | 第92-103页 |
| 5.1 多普勒效应原理 | 第92-94页 |
| 5.2 多普勒效应在运动检测中的优势 | 第94-96页 |
| 5.3 基于多普勒效应的高空抛物检测 | 第96-102页 |
| 5.3.1 系统硬件设计 | 第96-98页 |
| 5.3.2 系统部署 | 第98-100页 |
| 5.3.3 双摄像头定位计算 | 第100-102页 |
| 5.4 本章小结 | 第102-103页 |
| 第6章 总结与展望 | 第103-106页 |
| 6.1 总结 | 第103-104页 |
| 6.2 展望 | 第104-106页 |
| 参考文献 | 第106-111页 |
| 致谢 | 第111-113页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第113-114页 |
| 学位论文评阅及答辩情况表 | 第114页 |
