| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 论文研究背景和意义 | 第11-13页 |
| 1.2 监控视频智能分析系统 | 第13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.4 主要工作和内容安排 | 第16-17页 |
| 第2章 基于直方图均衡化和Retinex的图像增强算法 | 第17-26页 |
| 2.1 引言 | 第17页 |
| 2.2 直方图均衡化方法 | 第17-19页 |
| 2.2.1 直方图均衡化算法简介 | 第17-18页 |
| 2.2.2 算法原理和步骤 | 第18-19页 |
| 2.3 基于Retinex的图像增强算法 | 第19-22页 |
| 2.3.1 单尺度视网膜增强算法（SSR，Single Scale Retinex ） | 第20页 |
| 2.3.2 多尺度视网膜增强算法(MSR，Multi-Scale Retinex) | 第20-21页 |
| 2.3.3 带彩色恢复的多尺度视网膜增强算法(MSRCR, Multi-Scale Retinex with ColourRestoration) | 第21-22页 |
| 2.4 基于直方图均衡化和Retinex的图像增强算法 | 第22页 |
| 2.5 实验结果及分析 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于颜色和纹理特征的运动目标检测算法 | 第26-37页 |
| 3.1 引言 | 第26页 |
| 3.2 Vibe算法 | 第26-28页 |
| 3.2.1 Vibe算法简介 | 第26-27页 |
| 3.2.2 算法具体流程 | 第27-28页 |
| 3.2.3 Vibe算法小结 | 第28页 |
| 3.3 纹理算子 | 第28-30页 |
| 3.3.1 纹理特征简介 | 第28-29页 |
| 3.3.2 LBP、CS-LBP和XCS-LBP纹理算子 | 第29-30页 |
| 3.4 基于颜色和纹理特征的运动目标检测算法 | 第30-33页 |
| 3.5 算法结果与分析 | 第33-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第4章 基于SURF特征匹配算法和Kalman滤波的运动目标跟踪算法 | 第37-47页 |
| 4.1 引言 | 第37-38页 |
| 4.2 SURF特征匹配算法 | 第38-41页 |
| 4.3 Kalman滤波跟踪算法 | 第41-42页 |
| 4.4 基于SURF特征匹配算法的Kalman滤波跟踪算法 | 第42-44页 |
| 4.5 实验结果与分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 监控视频智能分析技术在建筑节能中的应用研究 | 第47-60页 |
| 5.1 前言 | 第47页 |
| 5.2 基于双绊线的室内人员估计策略 | 第47-48页 |
| 5.3 基于智能监控视频分析技术的人员分布模型 | 第48-51页 |
| 5.3.1 人员分布模型的意义 | 第48-49页 |
| 5.3.2 人员分布模型的建立与更新 | 第49-51页 |
| 5.4 空调与照明系统的节能策略 | 第51-53页 |
| 5.5 eQuest模拟 | 第53-56页 |
| 5.5.1 eQuest介绍 | 第53页 |
| 5.5.2 建筑概况 | 第53-56页 |
| 5.6 模拟结果及分析 | 第56-59页 |
| 5.7 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 本文工作 | 第60页 |
| 6.2 后期工作与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间论文发表及科研情况 | 第67页 |
