实时视频监控系统中运动目标检测与异常行为识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究背景和意义 | 第7-10页 |
| ·视频监控系统的背景 | 第7-8页 |
| ·实时智能视频监控的主要优势 | 第8-9页 |
| ·应用场所 | 第9-10页 |
| ·运动目标检测发展现状 | 第10页 |
| ·行为识别 | 第10-12页 |
| ·行为识别发展背景 | 第10-11页 |
| ·人体运动行为识别的发展趋势 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第二章 运动图像处理技术 | 第13-25页 |
| ·OPENCV图像处理背景知识 | 第13-14页 |
| ·OpenCV背景知识 | 第13页 |
| ·OpenCV在行为识别系统中的应用 | 第13-14页 |
| ·图像处理基础 | 第14-17页 |
| ·图像平滑 | 第15-16页 |
| ·中值滤波 | 第16-17页 |
| ·数学形态学基础 | 第17-23页 |
| ·数学形态学简介 | 第17-18页 |
| ·腐蚀、膨胀运算 | 第18-21页 |
| ·开、闭运算 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 运动目标检测 | 第25-43页 |
| ·常用目标检测方法分析比较 | 第25-30页 |
| ·各种目标检测方法 | 第25-29页 |
| ·各种运动目标检测方法比较 | 第29-30页 |
| ·混合高斯模型背景检测法 | 第30-33页 |
| ·算法流程 | 第30-31页 |
| ·混合高斯模型 | 第31-33页 |
| ·算法改进 | 第33-39页 |
| ·去除阴影 | 第33-35页 |
| ·前景去噪 | 第35-37页 |
| ·空洞处理 | 第37-39页 |
| ·实验结果分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 异常行为识别技术 | 第43-55页 |
| ·运动人体行为识别系统方案 | 第43-44页 |
| ·SNAKE主动轮廓线模型 | 第44-48页 |
| ·原始snake模型 | 第45-46页 |
| ·改进的snake模型 | 第46-48页 |
| ·图像相似度对比算法 | 第48-51页 |
| ·Hu不变矩 | 第49-50页 |
| ·加权Hu不变矩 | 第50页 |
| ·图像相似度 | 第50-51页 |
| ·其他异常行为检测方法 | 第51-52页 |
| ·目标行为质心的计算方法 | 第51-52页 |
| ·质心和矩形长宽比结合判断异常行为 | 第52页 |
| ·本章小结 | 第52-55页 |
| 第五章 系统设计及实验结果 | 第55-65页 |
| ·系统设计平台框架图 | 第55-56页 |
| ·软件实验界面 | 第56-58页 |
| ·实验结果分析 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·本文总结 | 第65-66页 |
| ·未来研究方向展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 作者在攻读硕士学位期间的研究成果 | 第73页 |
