| 摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 绪论 | 第10-20页 |
| ·课题研究的背景和意义 | 第10-12页 |
| ·基于DIRECTSHOW 与OPENCV 的智能监控系统 | 第12-14页 |
| ·DirectShow 视频技术 | 第12-14页 |
| ·OpenCV 简介 | 第14页 |
| ·本课题的智能监控系统 | 第14页 |
| ·国内外研究现状 | 第14-17页 |
| ·当前存在的主要问题 | 第17-18页 |
| ·本文主要工作及内容安排 | 第18-20页 |
| 第二章 运动目标检测算法 | 第20-44页 |
| ·引言 | 第20-21页 |
| ·视频图像预处理 | 第21-24页 |
| ·矢量滤波去噪 | 第21-22页 |
| ·光强变化分析 | 第22-23页 |
| ·光强变化检测 | 第23-24页 |
| ·运动目标检测技术概述 | 第24-28页 |
| ·基于时间差分法 | 第24页 |
| ·基于光流法 | 第24-25页 |
| ·基于背景减除法 | 第25-26页 |
| ·基于多特征融合的目标分割 | 第26页 |
| ·基于统计模型法 | 第26-28页 |
| ·几种常用算法的比较分析 | 第28-34页 |
| ·基于时间差分法(VSAM 方法) | 第28-29页 |
| ·基于多特征融合的目标分割方法(Spatio-Temporal Fusion) | 第29-30页 |
| ·基于统计模型方法(Kalman、MOG) | 第30-34页 |
| ·基于GVF-SNAKE 模型的多约束混合高斯模型法 | 第34-40页 |
| ·丢帧和光强变化检测机制 | 第35-36页 |
| ·前景点的亮度与色度约束条件 | 第36-37页 |
| ·高斯模型的优化 | 第37页 |
| ·GVF-Snake 算法 | 第37-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·结论 | 第43-44页 |
| 第三章 多目标的跟踪与维持 | 第44-77页 |
| ·运动目标跟踪概述 | 第44-45页 |
| ·现有算法的回顾 | 第45-47页 |
| ·基于相关的跟踪方法 | 第45页 |
| ·基于变形模型的跟踪方法 | 第45-46页 |
| ·基于特征的跟踪方法 | 第46页 |
| ·基于3D 模型、粒子滤波的跟踪方法 | 第46-47页 |
| ·基于粒子滤波(PARTICLE FILTER)的目标跟踪 | 第47-53页 |
| ·粒子滤波理论 | 第47-51页 |
| ·基于粒子滤波的多目标跟踪框架 | 第51-52页 |
| ·粒子滤波跟踪方法存在的问题 | 第52-53页 |
| ·基于颜色特征的粒子滤波方法 | 第53-55页 |
| ·基于颜色和纹理信息融合的遗传粒子滤波方法 | 第55-60页 |
| ·纹理特征提取 | 第56-57页 |
| ·颜色直方图与纹理LBP 算子的融合 | 第57-58页 |
| ·基于遗传(Ggenetic Algorithm)算法的粒子繁衍 | 第58-60页 |
| ·两种粒子滤波跟踪算法的比对 | 第60-63页 |
| ·目标常态和异态下的跟踪维持 | 第63-76页 |
| ·目标异常情况分析 | 第63-64页 |
| ·基于最近邻关联法(NNDA)的目标空间位置关联 | 第64-65页 |
| ·基于信任度理论(Belief Theory)的目标正异常情况处理 | 第65-72页 |
| ·目标异常处理实验仿真 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第四章 总结与展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-89页 |
| 攻读硕士期间发表论文 | 第89页 |
