静止背景条件下的运动人体检测系统研究与设计
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·运动目标检测研究现状 | 第11-12页 |
| ·人体识别研究现状 | 第12-14页 |
| ·本文主要研究工作 | 第14-15页 |
| ·本文的结构 | 第15-16页 |
| 第2章 数字图像处理的基本算法 | 第16-23页 |
| ·图像滤波 | 第16-18页 |
| ·频率域滤波法 | 第16-17页 |
| ·空间域滤波法 | 第17页 |
| ·滤波实验对比 | 第17-18页 |
| ·边缘检测 | 第18-20页 |
| ·图像分割 | 第20-22页 |
| ·灰度阈值分割法 | 第20-21页 |
| ·基于边缘的分割法 | 第21-22页 |
| ·基于区域的分割法 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 图像序列中的运动目标检测及提取 | 第23-40页 |
| ·时间差分法 | 第23-25页 |
| ·背景减除法 | 第25-30页 |
| ·自适应背景模型 | 第25-26页 |
| ·中值滤波模型 | 第26页 |
| ·高斯背景模型 | 第26-30页 |
| ·光流法 | 第30-31页 |
| ·改进的运动目标检测算法 | 第31-37页 |
| ·时间差分法优化 | 第32-34页 |
| ·混合高斯模型优化 | 第34-35页 |
| ·时间差分法和背景减除法的融合 | 第35-37页 |
| ·运动目标检测后处理 | 第37-38页 |
| ·多运动目标分割 | 第37-38页 |
| ·阴影消除 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第4章 人体识别 | 第40-49页 |
| ·头肩特征提取 | 第40-42页 |
| ·贝叶斯模型决策理论 | 第42-44页 |
| ·支持向量机分类技术 | 第44-46页 |
| ·构造 SV M 和贝叶斯模型融合分类器 | 第46-48页 |
| ·多分类器融合的基本原理和方法 | 第46-48页 |
| ·融合分类器设计 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第5章 系统设计与实验 | 第49-58页 |
| ·系统设计与实现 | 第49页 |
| ·系统实现软件工具介绍 | 第49-51页 |
| ·运动目标提取实验结果和分析 | 第51-53页 |
| ·人体识别实验结果和分析 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65页 |
