| 摘要 | 第4-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 研究现状及发展趋势 | 第12-16页 |
| 1.2.1 智能监控系统的研究现状 | 第12-15页 |
| 1.2.2 智能门禁系统的研究现状 | 第15-16页 |
| 1.3 研究的主要内容 | 第16-17页 |
| 第二章 局部帧差校验改进背景消除法的目标检测算法 | 第17-34页 |
| 2.1 运动目标检测的方法简介 | 第17-19页 |
| 2.1.1 帧间差分法 | 第17页 |
| 2.1.2 背景消除法 | 第17-18页 |
| 2.1.3 光流法 | 第18-19页 |
| 2.2 背景消除算法的原理、缺陷及其产生的原因分析 | 第19-27页 |
| 2.2.1 背景消除算法的原理 | 第19-24页 |
| 2.2.2 背景消除算法的缺陷及其原因分析 | 第24-27页 |
| 2.3 改进的背景消除算法 | 第27-33页 |
| 2.3.1 引入的基本概念 | 第27-28页 |
| 2.3.2 改进的背景消除算法的原理 | 第28-31页 |
| 2.3.3 利用改进的背景消除算法实现运动目标检测 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 监控录像中的人脸检测方法及其优化 | 第34-43页 |
| 3.1 人脸检测方法简介 | 第34-36页 |
| 3.1.1 基于知识规则的人脸检测 | 第34页 |
| 3.1.2 基于模板匹配的人脸检测 | 第34-35页 |
| 3.1.3 基于统计模型的人脸检测 | 第35页 |
| 3.1.4 基于深度学习的人脸检测 | 第35-36页 |
| 3.2 基于AdaBoost算法的人脸检测方法 | 第36-39页 |
| 3.2.1 算法概述 | 第36页 |
| 3.2.2 算法的原理 | 第36-38页 |
| 3.2.3 算法泛化能力分析 | 第38-39页 |
| 3.3 人脸采集模块的设计 | 第39-42页 |
| 3.3.1 通过划定检测范围加速人脸检测 | 第39-40页 |
| 3.3.2 利用运动目标检测算法加速人脸检测 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 监控录像中的人脸识别 | 第43-54页 |
| 4.1 人脸识别方法概述 | 第43-44页 |
| 4.2 基于卷积神经网络的图像识别方法 | 第44-47页 |
| 4.2.1 卷积神经网络的组成 | 第45-46页 |
| 4.2.2 卷积神经网络的计算过程 | 第46-47页 |
| 4.3 监控视频中的人脸识别 | 第47-53页 |
| 4.3.1 人脸识别云服务接口介绍 | 第48页 |
| 4.3.2 人脸识别模块设计 | 第48-52页 |
| 4.3.3 人脸识别模块测试 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 智能监控与智能门禁安防系统构建 | 第54-70页 |
| 5.1 结合视频分析系统与普通监控系统的智能监控系统 | 第54-61页 |
| 5.1.1 智能监控系统的原理 | 第54-55页 |
| 5.1.2 智能监控系统的界面 | 第55-57页 |
| 5.1.3 智能监控系统的功能演示 | 第57-61页 |
| 5.2 结合人脸识别与二维码识别技术的智能门禁系统 | 第61-68页 |
| 5.2.1 智能门禁系统的原理 | 第62-64页 |
| 5.2.2 智能门禁系统的界面 | 第64-68页 |
| 5.3 结合智能监控系统与智能门禁系统的新型安防体系 | 第68-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |
