| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-23页 |
| 1.1 研究的背景和意义 | 第11页 |
| 1.2 智能视频监控的研究现状与发展 | 第11-14页 |
| 1.3 智能视频监控技术概述 | 第14-16页 |
| 1.4 场景中的异常行为检测综述 | 第16-19页 |
| 1.5 论文内容和章节安排 | 第19-21页 |
| 1.6 本章小结 | 第21-23页 |
| 2 视频图像预处理 | 第23-35页 |
| 2.1 引言 | 第23页 |
| 2.2 视频获取 | 第23-26页 |
| 2.3 色彩空间的转换 | 第26-28页 |
| 2.4 形态学处理 | 第28-29页 |
| 2.5 图像去噪技术 | 第29-31页 |
| 2.6 图像增强技术 | 第31-33页 |
| 2.7 本章小结 | 第33-35页 |
| 3 视频场景中的前景检测 | 第35-61页 |
| 3.1 引言 | 第35页 |
| 3.2 前景检测算法概述 | 第35-39页 |
| 3.2.1 常见的运动前景检测算法 | 第36-38页 |
| 3.2.2 常见的静止前景检测算法 | 第38-39页 |
| 3.3 背景建模 | 第39-43页 |
| 3.3.1 滑动平均法 | 第39-40页 |
| 3.3.2 混合高斯法 | 第40页 |
| 3.3.3 近似中值法 | 第40-41页 |
| 3.3.4 仿真结果 | 第41-43页 |
| 3.4 基于双层背景差分的前景检测方法 | 第43-50页 |
| 3.4.1 背景模型及更新 | 第43-44页 |
| 3.4.2 背景差分法 | 第44-46页 |
| 3.4.3 静止前景检测 | 第46页 |
| 3.4.4 慢背景模型的修正 | 第46-47页 |
| 3.4.5 仿真结果及分析 | 第47-50页 |
| 3.5 基于双背景的前景实时检测方法 | 第50-53页 |
| 3.5.1 双背景模型 | 第50-51页 |
| 3.5.2 遮挡处理 | 第51-52页 |
| 3.5.3 仿真结果 | 第52-53页 |
| 3.6 基于改进混合高斯模型的前景检测方法 | 第53-59页 |
| 3.6.1 GMM | 第54页 |
| 3.6.2 选择性更新策略 | 第54-56页 |
| 3.6.3 仿真结果 | 第56-59页 |
| 3.7 本章小结 | 第59-61页 |
| 4 遗弃物与移走物的检测及判别 | 第61-79页 |
| 4.1 引言 | 第61-62页 |
| 4.2 基于色度空间校正的光影消除 | 第62-64页 |
| 4.3 遗弃物与偷窃物的检测 | 第64-66页 |
| 4.3.1 静止车辆排除 | 第64-65页 |
| 4.3.2 排除静止行人 | 第65页 |
| 4.3.3 仿真结果及分析 | 第65-66页 |
| 4.4 遗弃物与偷窃物的判别算法概述 | 第66-67页 |
| 4.5 基于颜色丰富度和边缘特征加权的判别方法 | 第67-73页 |
| 4.5.1 边缘检测算子简介 | 第67-69页 |
| 4.5.2 边缘相似度计算 | 第69-70页 |
| 4.5.3 判别算法描述 | 第70-71页 |
| 4.5.4 仿真结果 | 第71-73页 |
| 4.6 基于边界空间颜色对比度的判别方法 | 第73-78页 |
| 4.6.1 边界空间颜色对比算法 | 第74-75页 |
| 4.6.2 判别依据 | 第75页 |
| 4.6.3 仿真结果 | 第75-78页 |
| 4.7 本章小结 | 第78-79页 |
| 5 人体异常行为检测 | 第79-101页 |
| 5.1 引言 | 第79页 |
| 5.2 基于轮廓特征的人体行为识别 | 第79-91页 |
| 5.2.1 star模型 | 第80-81页 |
| 5.2.2 基于无须重新初始化的变分水平集的运动轮廓提取 | 第81-83页 |
| 5.2.3 以头部为基准的人体模型 | 第83-87页 |
| 5.2.4 基于HHCM的人体行为识别 | 第87-88页 |
| 5.2.5 仿真结果 | 第88-91页 |
| 5.3 基于光流特征的人体异常行为检测 | 第91-100页 |
| 5.3.1 光流计算 | 第91-93页 |
| 5.3.2 人体光流特征提取 | 第93-94页 |
| 5.3.3 运动熵 | 第94-96页 |
| 5.3.4 异常判定系数 | 第96-97页 |
| 5.3.5 仿真结果及分析 | 第97-100页 |
| 5.4 本章小结 | 第100-101页 |
| 6 结论与展望 | 第101-103页 |
| 6.1 工作总结 | 第101-102页 |
| 6.2 工作展望 | 第102-103页 |
| 致谢 | 第103-105页 |
| 博士期间完成的论文 | 第105-107页 |
| 参考文献 | 第107-116页 |