智能监控系统中行人异常行为检测的研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 智能视频监控系统研究现状 | 第12-14页 |
| 1.2.1 智能视频监控系统发展历史 | 第12页 |
| 1.2.2 智能视频监控系统国内外研究现状 | 第12-14页 |
| 1.3 关键技术分析 | 第14-15页 |
| 1.4 本文研究的主要内容和结构安排 | 第15-17页 |
| 第2章 运动目标检测 | 第17-31页 |
| 2.1 常用运动目标检测算法 | 第17-20页 |
| 2.1.1 帧差法 | 第17-18页 |
| 2.1.2 背景差分法 | 第18-19页 |
| 2.1.3 光流法 | 第19-20页 |
| 2.2 背景建模的方法 | 第20-23页 |
| 2.2.1 多帧平均法 | 第20-21页 |
| 2.2.2 加权平均法 | 第21页 |
| 2.2.3 高斯模型法 | 第21-22页 |
| 2.2.4 ViBe算法 | 第22-23页 |
| 2.3 改进的ViBe运动目标检测算法 | 第23-29页 |
| 2.3.1 ViBe算法原理 | 第23-24页 |
| 2.3.2 ViBe改进算法 | 第24-26页 |
| 2.3.3 形态学后处理 | 第26-27页 |
| 2.3.4 实验结果与分析 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 运动目标的跟踪 | 第31-44页 |
| 3.1 传统的目标跟踪方法 | 第31-33页 |
| 3.2 复杂场景中的运动目标跟踪 | 第33-34页 |
| 3.3 卡尔曼滤波器工作原理 | 第34-36页 |
| 3.4 基于Kalman滤波的多特征匹配跟踪算法 | 第36-42页 |
| 3.4.1 卡尔曼滤波预测位置 | 第36-38页 |
| 3.4.2 多特征融合匹配 | 第38-40页 |
| 3.4.3 具体算法流程 | 第40-42页 |
| 3.5 实验结果与分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 异常行为检测 | 第44-56页 |
| 4.1 行人异常行为识别常用算法 | 第44页 |
| 4.2 检测区域划定与行人特征提取 | 第44-49页 |
| 4.2.1 检测区域划定 | 第44-45页 |
| 4.2.2 运动人体标识 | 第45-47页 |
| 4.2.3 目标运动特征提取 | 第47-49页 |
| 4.3 异常行为规则设定 | 第49-52页 |
| 4.4 实验结果与分析 | 第52-54页 |
| 4.5 本章小结 | 第54-56页 |
| 第5章 系统的设计与实现 | 第56-65页 |
| 5.1 总体设计方案 | 第56-57页 |
| 5.2 软件系统测试 | 第57-62页 |
| 5.2.1 系统界面及测试数据来源 | 第57-58页 |
| 5.2.2 测试结果展示 | 第58-62页 |
| 5.3 系统性能分析 | 第62-64页 |
| 5.4 本章小结 | 第64-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |
