智能视频监控系统中的行人运动分析研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·智能视频监控系统 | 第12-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·论文的研究意义 | 第17-19页 |
| ·论文的主要工作和内容安排 | 第19-22页 |
| 第2章 行人运动分析基础 | 第22-44页 |
| ·运动视觉基础 | 第22-26页 |
| ·计算视觉三表象理论 | 第22-23页 |
| ·运动视觉的研究内容 | 第23-24页 |
| ·行人运动分析流程 | 第24-26页 |
| ·运动目标检测 | 第26-32页 |
| ·运动目标检测流程 | 第26-27页 |
| ·常用运动目标检测算法 | 第27-29页 |
| ·背景建模 | 第29-32页 |
| ·前景目标分割 | 第32页 |
| ·运动目标分类 | 第32-37页 |
| ·常用目标分类方法 | 第33页 |
| ·目标特征提取 | 第33-34页 |
| ·支持向量机分类器 | 第34-37页 |
| ·训练和分类 | 第37页 |
| ·运动目标跟踪 | 第37-39页 |
| ·行人行为分析 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第3章 背景建模与运动分割 | 第44-58页 |
| ·双层背景建模方法 | 第44-48页 |
| ·传统的单层背景建模方法 | 第45-47页 |
| ·双层模型框架 | 第47-48页 |
| ·双层建模和目标分割 | 第48-52页 |
| ·像素级码本背景建模 | 第48-50页 |
| ·区域级中心对称局部二值模式背景建模 | 第50-51页 |
| ·运动目标分割 | 第51-52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小结 | 第55-58页 |
| 第4章 行人的分类识别 | 第58-68页 |
| ·行人图像特征提取 | 第58-63页 |
| ·HOG 特征与算法 | 第59-62页 |
| ·积分向量图计算 | 第62-63页 |
| ·训练和分类 | 第63-65页 |
| ·样本构造和训练 | 第63-64页 |
| ·分类过程 | 第64-65页 |
| ·实验结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 运动目标跟踪和人群异常检测 | 第68-84页 |
| ·粒子滤波方法 | 第68-74页 |
| ·最优贝叶斯估计 | 第69页 |
| ·蒙特卡罗方法 | 第69-70页 |
| ·重要性采样 | 第70-71页 |
| ·序列化重要性采样 | 第71-73页 |
| ·粒子滤波算法一般流程 | 第73-74页 |
| ·融合 HOG 检测的粒子滤波行人跟踪 | 第74-77页 |
| ·跟踪模型建立 | 第74-75页 |
| ·算法流程 | 第75-76页 |
| ·跟踪实验结果 | 第76-77页 |
| ·人群异常检测 | 第77-82页 |
| ·高斯混合背景模型 | 第78-79页 |
| ·异常检测处理流程 | 第79-80页 |
| ·实验结果及分析 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第6章 智能视频监控中的行人运动分析应用 | 第84-94页 |
| ·智能视频监控系统设计 | 第84-88页 |
| ·重点和难点 | 第84-85页 |
| ·系统组成框架 | 第85-88页 |
| ·行人运动分析应用 | 第88-90页 |
| ·行人运动分析处理过程 | 第88-89页 |
| ·算法软件模块实现 | 第89-90页 |
| ·软件实现结果 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 第7章 总结和展望 | 第94-98页 |
| ·研究成果与创新点 | 第94-95页 |
| ·研究工作展望 | 第95-98页 |
| 参考文献 | 第98-106页 |
| 致谢 | 第106-107页 |
| 攻读博士学位期间发表的论文 | 第107-108页 |
