| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-16页 |
| ·选题背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·智能视频监控技术的研究现状 | 第10-11页 |
| ·智能视频监控技术在变电站防火防盗中的应用 | 第11-13页 |
| ·论文的主要工作 | 第13-16页 |
| 第2章 运动目标检测方法与实验 | 第16-28页 |
| ·运动目标检测方法概述 | 第16-17页 |
| ·光流法 | 第16页 |
| ·时间差分 | 第16页 |
| ·背景减法 | 第16-17页 |
| ·基于高斯背景模型的运动目标检测 | 第17-25页 |
| ·单高斯分布背景模型 | 第17-18页 |
| ·基于颜色的混合高斯背景模型 | 第18-22页 |
| ·运动目标检测的实验结果 | 第22-25页 |
| ·阴影消除 | 第25-27页 |
| ·阴影消除算法概述 | 第25-26页 |
| ·基于HSV空间的阴影检测 | 第26页 |
| ·阴影检测和消除的实验结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 运动目标识别方法与实验 | 第28-43页 |
| ·运动目标特征提取 | 第28-35页 |
| ·基于Hu不变矩的图像特征 | 第28-29页 |
| ·火焰的颜色特征 | 第29-30页 |
| ·火焰的颜色亮度判据 | 第30-34页 |
| ·圆形度 | 第34页 |
| ·形状相似性 | 第34-35页 |
| ·分类器的层次结构设计 | 第35-41页 |
| ·混淆矩阵 | 第35-37页 |
| ·模式组合规则 | 第37页 |
| ·基于混淆矩阵的分类器层次结构设计 | 第37-41页 |
| ·基于集成学习的SVM分类器 | 第41-42页 |
| ·AdaBoost算法 | 第41-42页 |
| ·应用AdaBoost算法的实验结果 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于Mean-shift算法的运动目标跟踪 | 第43-49页 |
| ·运动目标跟踪方法 | 第43-44页 |
| ·基于特征匹配的跟踪方法 | 第43-44页 |
| ·基于区域匹配的跟踪方法 | 第44页 |
| ·基于模型匹配的跟踪方法 | 第44页 |
| ·Mean-shift算法在目标跟踪中的应用 | 第44-48页 |
| ·Mean-shift跟踪算法 | 第45-46页 |
| ·Mean-shift跟踪算法的实现步骤 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 系统实验及问题分析解决 | 第49-59页 |
| ·实验结果及问题分析 | 第49-51页 |
| ·针对其它目标“汽车”误判的解决方法 | 第51-52页 |
| ·针对背景光照变化的解决方法 | 第52-54页 |
| ·光照变化检测 | 第53-54页 |
| ·光照突变的背景更新实验 | 第54页 |
| ·变电站智能视频监控系统的实现问题 | 第54-57页 |
| ·Matlab和C/C++语言的程序运行速度 | 第54-56页 |
| ·视频分析与现有监控系统的结合 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第6章 结论与展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第63-64页 |
| 致谢 | 第64页 |