| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 基于目标跟踪的遗留物检测研究现状 | 第11-12页 |
| 1.2.2 基于目标检测的遗留物检测研究现状 | 第12-14页 |
| 1.3 课题的研究内容 | 第14-16页 |
| 2 运动目标检测和暂时静止区域的确定 | 第16-30页 |
| 2.1 预处理操作 | 第16-17页 |
| 2.2 运动目标检测 | 第17-23页 |
| 2.2.1 运动目标检测方法研究 | 第17-21页 |
| 2.2.2 混合高斯建模 | 第21-23页 |
| 2.3 暂时静止区域的确定 | 第23-28页 |
| 2.3.1 暂时静止区域的确定 | 第23-25页 |
| 2.3.2 遮挡处理 | 第25-26页 |
| 2.3.3 阴影检测 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 遗留物和移出物的区分方法研究 | 第30-42页 |
| 3.1 遗留物和移出物区分方法研究 | 第30-37页 |
| 3.1.1 基于直方图相似性分类方法 | 第30-32页 |
| 3.1.2 基于区域生长分类方法 | 第32-36页 |
| 3.1.3 对比分析 | 第36-37页 |
| 3.2 鬼影抑制 | 第37-39页 |
| 3.3 本章小结 | 第39-42页 |
| 4 遗留物中人和物体的识别 | 第42-62页 |
| 4.1 HOG特征提取 | 第42-46页 |
| 4.2 SVM分类 | 第46-52页 |
| 4.2.1 最优分类超平面 | 第47-48页 |
| 4.2.2 支持向量分类机 | 第48-50页 |
| 4.2.3 核函数 | 第50-52页 |
| 4.3 样本库训练及分类实验结果 | 第52-56页 |
| 4.3.1 正样本集 | 第53-54页 |
| 4.3.2 负样本集 | 第54页 |
| 4.3.3 实验结果 | 第54-56页 |
| 4.4 遗留物报警 | 第56-61页 |
| 4.4.1 区域匹配 | 第57-60页 |
| 4.4.2 时间标记法 | 第60-61页 |
| 4.4.3 数据存储和报警提示 | 第61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 遗留物检测系统 | 第62-74页 |
| 5.1 系统软件设计 | 第62-67页 |
| 5.2 系统界面设计及实现 | 第67-73页 |
| 5.2.1 系统界面设计 | 第68-71页 |
| 5.2.2 系统界面的实现 | 第71-73页 |
| 5.3 本章小结 | 第73-74页 |
| 6 系统实验结果分析 | 第74-82页 |
| 6.1 基于标准视频数据库的实验分析 | 第74-77页 |
| 6.1.1 基于PETS2006视频数据库的实验 | 第74-75页 |
| 6.1.2 基于i-LIDs数据库的实验 | 第75-77页 |
| 6.1.3 实验分析 | 第77页 |
| 6.2 遗留物实际场景视频检测实验 | 第77-80页 |
| 6.2.1 视频检测实验 | 第77-78页 |
| 6.2.2 与Ying Litian方法的对比分析 | 第78-80页 |
| 6.3 本章小结 | 第80-82页 |
| 7 总结与展望 | 第82-84页 |
| 7.1 论文总结 | 第82-83页 |
| 7.2 工作展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第88-92页 |
| 学位论文数据集 | 第92页 |