| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 智能视频监控系统概述 | 第12-16页 |
| 1.2.1 智能视频监控系统的应用前景 | 第13-14页 |
| 1.2.2 智能视频监控系统的研究现状 | 第14-16页 |
| 1.3 运动目标检测及跟踪算法研究现状 | 第16-18页 |
| 1.3.1 运动目标检测算法研究现状 | 第16-17页 |
| 1.3.2 运动目标跟踪算法研究现状 | 第17-18页 |
| 1.4 本文主要工作及内容安排 | 第18-20页 |
| 第二章 运动目标检测与跟踪技术基础 | 第20-31页 |
| 2.1 相关滤波跟踪算法 | 第20-25页 |
| 2.1.1 循环矩阵 | 第20-21页 |
| 2.1.2 相关滤波器 | 第21-23页 |
| 2.1.3 相关滤波跟踪 | 第23-25页 |
| 2.2 运动目标检测方法 | 第25-29页 |
| 2.2.1 光流法 | 第25-26页 |
| 2.2.2 帧差法 | 第26-27页 |
| 2.2.3 背景减除法 | 第27-28页 |
| 2.2.4 三种目标检测法的对比 | 第28-29页 |
| 2.3 形态学后处理 | 第29-30页 |
| 2.3.1 膨胀和腐蚀 | 第29-30页 |
| 2.3.2 开运算和闭运算 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于改进码本模型和边缘检测的运动目标检测算法研究 | 第31-49页 |
| 3.1 码本模型介绍 | 第31-33页 |
| 3.1.1 背景码本模型的建模方法 | 第31-32页 |
| 3.1.2 码本模型的匹配 | 第32-33页 |
| 3.1.3 背景的更新 | 第33页 |
| 3.2 融合自适应卡尔曼滤波器的码本模型 | 第33-41页 |
| 3.2.1 自适应卡尔曼滤波器 | 第33-35页 |
| 3.2.2 改进的码本模型 | 第35-37页 |
| 3.2.3 融合自适应卡尔曼滤波器的改进码本模型 | 第37-39页 |
| 3.2.4 实验数据及分析 | 第39-41页 |
| 3.3 基于改进码本模型和边缘检测的运动目标检测算法 | 第41-47页 |
| 3.3.1 改进的Canny边缘检测算法 | 第41-43页 |
| 3.3.2 均值背景建模 | 第43页 |
| 3.3.3 本文算法 | 第43-44页 |
| 3.3.4 实验结果及分析 | 第44-47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 融合纹理特征及卷积神经网络的相关滤波跟踪算法研究 | 第49-76页 |
| 4.1 纹理特征 | 第49-52页 |
| 4.1.1 局部二值模式 | 第49-51页 |
| 4.1.2 旋转不变的统一局部二值模式 | 第51-52页 |
| 4.2 基于卷积神经网络的特征 | 第52-59页 |
| 4.2.1 卷积神经网络层次介绍 | 第52-53页 |
| 4.2.2 卷积神经网络的结构特点 | 第53-56页 |
| 4.2.3 卷积神经网络的构建 | 第56-57页 |
| 4.2.4 离线预训练 | 第57-58页 |
| 4.2.5 卷积神经网络的分层可视化特征提取 | 第58-59页 |
| 4.3 跟踪性能分析 | 第59-63页 |
| 4.3.1 基于卷积神经网络分层特征的目标跟踪 | 第59-60页 |
| 4.3.2 分层跟踪实验结果分析 | 第60-61页 |
| 4.3.3 纹理特征结合分层卷积特征目标跟踪 | 第61-62页 |
| 4.3.4 纹理特征结合分层卷积特征跟踪实验结果分析 | 第62-63页 |
| 4.4 融合纹理特征及卷积神经网络的相关滤波跟踪算法 | 第63-67页 |
| 4.4.1 尺度自适应方法 | 第63-65页 |
| 4.4.2 模型更新策略 | 第65页 |
| 4.4.3 算法设计 | 第65-67页 |
| 4.5 实验结果及分析 | 第67-74页 |
| 4.5.1 实验环境及分析 | 第67-68页 |
| 4.5.2 定性分析 | 第68-71页 |
| 4.5.3 定量分析 | 第71-74页 |
| 4.6 本章小结 | 第74-76页 |
| 第五章 监控平台的软件实现 | 第76-84页 |
| 5.1 监控软件的开发环境 | 第76页 |
| 5.2 监控平台 | 第76-83页 |
| 5.2.1 监控软件检测模块 | 第77-78页 |
| 5.2.2 监控软件跟踪模块 | 第78-83页 |
| 5.3 本章小结 | 第83-84页 |
| 第六章 总结与展望 | 第84-86页 |
| 6.1 本文总结 | 第84-85页 |
| 6.2 本文展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 致谢 | 第92-93页 |
| 在学期间的研究成果及发表的学术论文 | 第93页 |
