| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 插图索引 | 第11-14页 |
| 附表索引 | 第14-15页 |
| 第一章 绪论 | 第15-34页 |
| ·研究背景与意义 | 第15-26页 |
| ·传统视频监控系统的不足 | 第16-17页 |
| ·智能视频监控系统的定义及其优点 | 第17页 |
| ·智能视频监控系统的组成 | 第17-20页 |
| ·智能视频监控系统的新功能 | 第20-26页 |
| ·研究现状 | 第26-27页 |
| ·存在的问题 | 第27-31页 |
| ·运动目标检测中存在的问题 | 第27-29页 |
| ·运动目标跟踪中存在的问题 | 第29-30页 |
| ·论文研究内容侧重的选择 | 第30-31页 |
| ·论文的主要工作和论文的组织结构 | 第31-34页 |
| ·论文的主要工作 | 第31-32页 |
| ·论文的组织结构 | 第32-34页 |
| 第二章 相关理论基础知识 | 第34-49页 |
| ·LBP算子 | 第34-41页 |
| ·基本的LBP | 第34-35页 |
| ·加阈值的LBP | 第35-36页 |
| ·LBP统一模式 | 第36-41页 |
| ·LBP统一模式直方图 | 第41页 |
| ·RGB颜色空间到HSV颜色空间的转换 | 第41-44页 |
| ·形态学操作 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第三章 运动目标检测算法研究 | 第49-90页 |
| ·运动目标检测技术概述 | 第49-62页 |
| ·帧差法 | 第49-52页 |
| ·背景减除法 | 第52-57页 |
| ·光流法 | 第57-59页 |
| ·运动目标检测算法比较与分析 | 第59-62页 |
| ·结合改进的LBP纹理和色度信息的运动目标检测算法 | 第62-76页 |
| ·混合高斯模型存在的问题及解决思路 | 第62-68页 |
| ·结合LBP纹理和色度信息的背景表示 | 第68-70页 |
| ·结合局部LBP纹理和色度信息的运动目标检测算法 | 第70-72页 |
| ·实验结果与分析 | 第72-76页 |
| ·结合LK光流法与三帧差分法的运动目标检测算法 | 第76-89页 |
| ·光流概述 | 第77-78页 |
| ·LK光流法的原理 | 第78-81页 |
| ·Harris角点 | 第81-83页 |
| ·三帧差分法的原理及算法步骤 | 第83-84页 |
| ·结合LK光流法与三帧差分法的运动目标检测 | 第84-86页 |
| ·实验结果与分析 | 第86-89页 |
| ·小结 | 第89-90页 |
| 第四章 运动目标跟踪算法研究 | 第90-118页 |
| ·运动目标跟踪技术概述 | 第90-103页 |
| ·运动目标跟踪简介 | 第91-92页 |
| ·运动目标跟踪方法的分类 | 第92-96页 |
| ·运动目标跟踪的典型算法 | 第96-100页 |
| ·基于均值偏移(Meanshift)的目标跟踪 | 第96-97页 |
| ·基于卡尔曼滤波器(Kalman Filter)的目标跟踪 | 第97-98页 |
| ·基于粒子滤波的目标跟踪 | 第98-100页 |
| ·运动目标跟踪中的难点问题 | 第100-103页 |
| ·基于LBP纹理和色度的Camshift运动目标跟踪算法 | 第103-109页 |
| ·Camshift跟踪算法 | 第103-105页 |
| ·联合LBP纹理和色度信息的Camshift跟踪算法 | 第105-106页 |
| ·实验结果和讨论 | 第106-109页 |
| ·基于Kalman滤波器和Blob信息的运动目标跟踪算法 | 第109-117页 |
| ·Kalman滤波器的原理和流程 | 第109-112页 |
| ·Blob信息提取 | 第112-113页 |
| ·基于Kalman滤波器和Blob匹配法的运动目标跟踪算法 | 第113-115页 |
| ·实验结果与分析 | 第115-117页 |
| ·小结 | 第117-118页 |
| 第五章 总结与展望 | 第118-120页 |
| 参考文献 | 第120-129页 |
| 附录 | 第129-132页 |
| 附录1 攻读博士期间发表的论文 | 第129-130页 |
| 附录2 攻读博士期间主持的项目 | 第130页 |
| 附录3 攻读博士期间参与的项目 | 第130-131页 |
| 附录4 攻读博士期间获得的奖励 | 第131-132页 |
| 致谢 | 第132-133页 |
