监控视频中信息提取及标注技术的研究与应用
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 目前传统监控方式存在的问题 | 第10-11页 |
| 1.1.2 智能监控视频分析技术的发展 | 第11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 智能视频监控技术研究现状 | 第11-12页 |
| 1.2.2 目标检测与跟踪技术研究现状 | 第12-13页 |
| 1.2.3 视频图像标注技术研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 章节安排 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 行人及车辆目标检测 | 第17-30页 |
| 2.1 视频图像预处理 | 第17-20页 |
| 2.1.1 运动目标检测 | 第17-19页 |
| 2.1.2 图像去噪及轮廓提取 | 第19-20页 |
| 2.1.3 图像插值 | 第20页 |
| 2.2 图像目标特征概述 | 第20-24页 |
| 2.2.1 Haar特征 | 第20-22页 |
| 2.2.2 LBP特征 | 第22-23页 |
| 2.2.3 HOG特征 | 第23-24页 |
| 2.3 Adaboost分类算法 | 第24-26页 |
| 2.3.1 强分类器与弱分类器概述 | 第24-25页 |
| 2.3.2 Adaboost级联分类器 | 第25-26页 |
| 2.4 目标检测分类器构造及优化 | 第26-29页 |
| 2.4.1 目标检测器构造与测试 | 第26-27页 |
| 2.4.2 目标检测效率优化 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 行人及车辆目标跟踪 | 第30-44页 |
| 3.1 压缩感知跟踪相关理论 | 第30-31页 |
| 3.1.1 压缩感知原理 | 第30页 |
| 3.1.2 朴素贝叶斯分类器 | 第30-31页 |
| 3.2 CT跟踪 | 第31-35页 |
| 3.2.1 原理概述 | 第32-34页 |
| 3.2.2 算法流程 | 第34-35页 |
| 3.3 SURF特征匹配 | 第35-39页 |
| 3.3.1 SURF局部特征描述子 | 第35-39页 |
| 3.3.2 特征匹配 | 第39页 |
| 3.4 改进的CT跟踪算法 | 第39-43页 |
| 3.4.1 尺度自适应计算 | 第39-41页 |
| 3.4.2 实验与分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 目标信息描述及标注技术 | 第44-50页 |
| 4.1 视频图像标注技术 | 第44-45页 |
| 4.2 行人衣着和车身颜色描述 | 第45-48页 |
| 4.3 目标运动路线描述 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 监控视频信息提取与标注系统设计与实现 | 第50-58页 |
| 5.1 相关技术介绍 | 第50-51页 |
| 5.1.1 XML语言 | 第50页 |
| 5.1.2 OpenMp系统加速 | 第50-51页 |
| 5.2 系统设计 | 第51-54页 |
| 5.2.1 系统架构介绍 | 第51-53页 |
| 5.2.2 视频标注文件结构 | 第53-54页 |
| 5.3 系统实现 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 总结 | 第58页 |
| 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
