| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 本课题的研究现状 | 第9-12页 |
| 1.2.1 国外监控视频的运动目标识别技术的研究现状 | 第9-10页 |
| 1.2.2 国内监控视频的运动目标识别技术的研究现状 | 第10页 |
| 1.2.3 相关技术的研究现状 | 第10-12页 |
| 1.3 本文所做的工作 | 第12-13页 |
| 第二章 运动目标检测与跟踪技术的研究 | 第13-23页 |
| 2.1 引言 | 第13页 |
| 2.2 运动目标检测常用的几种算法介绍 | 第13-14页 |
| 2.2.1 帧差法 | 第13页 |
| 2.2.2 光流法 | 第13-14页 |
| 2.2.3 背景减除法 | 第14页 |
| 2.3 背景建模 | 第14-17页 |
| 2.3.1 背景建模的基本方法 | 第14-15页 |
| 2.3.2 基于单高斯模型的背景建模方法 | 第15-16页 |
| 2.3.3 基于混合高斯模型的背景建模方法 | 第16-17页 |
| 2.4 前景图像形态学处理 | 第17-19页 |
| 2.5 部分实验结果及分析 | 第19-20页 |
| 2.6 运动目标跟踪技术 | 第20-22页 |
| 2.6.1 运动目标跟踪的基本算法流程 | 第20页 |
| 2.6.2 基于质心的运动目标跟踪方法 | 第20-21页 |
| 2.6.3 基于 Meanshift 的运动目标跟踪方法 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 图像特征提取 | 第23-30页 |
| 3.1 引言 | 第23页 |
| 3.2 图像预处理 | 第23-26页 |
| 3.2.1 图像处理基础 | 第23-24页 |
| 3.2.2 图像增强 | 第24-25页 |
| 3.2.3 图像分割 | 第25-26页 |
| 3.3 图像特征提取 | 第26-29页 |
| 3.3.1 图像特征表示 | 第26页 |
| 3.3.2 常用的特征 | 第26-27页 |
| 3.3.3 形状特征及特征分析 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于SVM 的运动目标分类识别技术 | 第30-38页 |
| 4.1 引言 | 第30页 |
| 4.2 统计学习理论 | 第30-31页 |
| 4.2.1 机器学习 | 第30-31页 |
| 4.2.2 统计学习 | 第31页 |
| 4.2.3 VC 维 | 第31页 |
| 4.3 SVM 原理 | 第31-34页 |
| 4.3.1 两类线性分类理论 | 第31-33页 |
| 4.3.2 核函数 | 第33-34页 |
| 4.4 SVM 分类的应用 | 第34-37页 |
| 4.4.1 SVM 软件LibSVM 的使用 | 第34-36页 |
| 4.4.2 利用LibSVM 自带工具简化步骤 | 第36-37页 |
| 4.4.3 SVM 样本文件 | 第37页 |
| 4.5 本章小结 | 第37-38页 |
| 第五章 实验及结果分析 | 第38-46页 |
| 5.1 总体设计 | 第38-39页 |
| 5.1.1 实验框图 | 第38页 |
| 5.1.2 OpenCV | 第38-39页 |
| 5.2 详细设计及实验结果分析 | 第39-46页 |
| 5.2.1 运动目标检测及结果分析 | 第39-41页 |
| 5.2.2 运动目标跟踪结果 | 第41-42页 |
| 5.2.3 基于形状的简单目标分类 | 第42-43页 |
| 5.2.4 基于SVM 的目标分类 | 第43-46页 |
| 第六章 总结与展望 | 第46-47页 |
| 6.1 总结 | 第46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表的论文和参加的主要科研项目 | 第51页 |
