平安城市视频监控系统中异常行为识别技术研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 文章研究背景与意义 | 第9-10页 |
| 1.2 城市安防视频监控的研究与发展现状 | 第10-11页 |
| 1.3 论文组织结构 | 第11-12页 |
| 第二章 视频监控及图像预处理技术 | 第12-24页 |
| 2.1 视频流介绍 | 第12-13页 |
| 2.1.1 视频流系统构成 | 第12页 |
| 2.1.2 视频流优点 | 第12-13页 |
| 2.2 图像处理技术 | 第13-23页 |
| 2.2.1 颜色空间技术 | 第13-15页 |
| 2.2.2 图像平滑处理 | 第15-16页 |
| 2.2.3 图像的形态学处理 | 第16-21页 |
| 2.2.4 图像阈值化 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 运动目标检测 | 第24-49页 |
| 3.1 前景提取方法 | 第24-31页 |
| 3.1.1 相邻帧差法 | 第24-26页 |
| 3.1.2 光流法 | 第26-30页 |
| 3.1.3 背景差分法 | 第30-31页 |
| 3.2 混合高斯模型 | 第31-36页 |
| 3.3 CodeBook模型 | 第36-37页 |
| 3.4 自适应三层混合高斯模型 | 第37-47页 |
| 3.4.1 模型介绍 | 第38-40页 |
| 3.4.2 阴影消除算法 | 第40-42页 |
| 3.4.3 自适应学习率算法 | 第42-43页 |
| 3.4.4 全局灰度平均值算法 | 第43-45页 |
| 3.4.5 八邻域相关性去噪算法 | 第45-47页 |
| 3.5 自适应三层混合高斯模型算法性能分析 | 第47-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 人体运动目标检测 | 第49-64页 |
| 4.1 特征提取算法介绍 | 第49-52页 |
| 4.1.1 特征提取的定义 | 第49-50页 |
| 4.1.2 特征提取方法 | 第50-52页 |
| 4.2 运动目标轮廓提取 | 第52-53页 |
| 4.2.1 序列 | 第52-53页 |
| 4.2.2 轮廓查找 | 第53页 |
| 4.3 实验方法介绍 | 第53-63页 |
| 4.3.1 基于目标轮廓特征的异常行为识别 | 第53-55页 |
| 4.3.2 前景运动异常检测 | 第55-59页 |
| 4.3.3 区域光流特征检测 | 第59-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 系统设计与实现 | 第64-70页 |
| 5.1 相关开发技术介绍 | 第64-66页 |
| 5.1.1 Opencv计算机视觉库 | 第64-65页 |
| 5.1.2 城市安防视频监控的组成结构 | 第65-66页 |
| 5.2 系统界面 | 第66-68页 |
| 5.2.1 系统主界面介绍 | 第67页 |
| 5.2.2 界面说明 | 第67-68页 |
| 5.3 实验结果与分析 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 未来展望 | 第70-72页 |
| 参考文献 | 第72-74页 |
| 致谢 | 第74页 |
