金融网点智能视频监控技术的研究
| 中文摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1.绪论 | 第10-13页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-12页 |
| 1.3 本文研究的主要内容 | 第12页 |
| 1.4 论文的结构安排 | 第12-13页 |
| 2.运动目标的检测 | 第13-28页 |
| 2.1 运动目标的检测方法 | 第13-24页 |
| 2.1.1 光流法 | 第13-17页 |
| 2.1.2 帧差法 | 第17-18页 |
| 2.1.3 背景差法 | 第18-22页 |
| 2.1.4 三种方法检测的效果图对比 | 第22-24页 |
| 2.2 形态学处理 | 第24-27页 |
| 2.2.1 腐蚀(Erosion) | 第24-25页 |
| 2.2.2 膨胀(Dilation) | 第25-26页 |
| 2.2.3 开、闭运算 | 第26-27页 |
| 2.2.4 形态学处理的效果图 | 第27页 |
| 2.3 本章小结 | 第27-28页 |
| 3.尾随行为的识别 | 第28-35页 |
| 3.1 尾随的行为特征 | 第28-31页 |
| 3.1.1 基于运动目标外接矩形的特征 | 第28-30页 |
| 3.1.2 判定尾随行为的条件 | 第30-31页 |
| 3.2 基于相对质心特征的尾随行为识别方法 | 第31-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4.打劫行为的识别 | 第35-42页 |
| 4.1 光流特征 | 第35-38页 |
| 4.1.1 Horn-Schunck算法 | 第35-36页 |
| 4.1.2 Lucas-Kanade算法 | 第36-37页 |
| 4.1.3 两种方法的对比效果图 | 第37-38页 |
| 4.2 基于直方图的判断方法 | 第38-40页 |
| 4.2.1 幅值加权的方向直方图 | 第38-39页 |
| 4.2.2 区域熵 | 第39-40页 |
| 4.3 打劫行为检测的结果 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5.ATM前银行卡盗刷行为的识别 | 第42-60页 |
| 5.1 基于级联分类器的人脸检测 | 第42-46页 |
| 5.1.1 Adaboost算法 | 第42-44页 |
| 5.1.2 弱分类器设计 | 第44-46页 |
| 5.1.3 识别结果 | 第46页 |
| 5.2 人脸蒙面的检测 | 第46-53页 |
| 5.2.1 基于YCb Cr椭圆肤色的识别方法 | 第46-52页 |
| 5.2.2 检测结果 | 第52-53页 |
| 5.3 银行卡盗刷行为的检测 | 第53-59页 |
| 5.3.1 盗刷银行卡行为中人脸匹配的应用 | 第53页 |
| 5.3.2 匹配方法的选择 | 第53-57页 |
| 5.3.3 实验结果 | 第57-59页 |
| 5.4 本章小结 | 第59-60页 |
| 6.结论 | 第60-61页 |
| 6.1 工作的总结 | 第60页 |
| 6.2 不足与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66-67页 |
