| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·智能视频监控系统简介 | 第8页 |
| ·智能视频监控系统及其关键技术研究 | 第8页 |
| ·论文的研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文的主要工作和组织安排 | 第10-12页 |
| ·本文的主要工作 | 第10页 |
| ·本文的组织安排 | 第10-12页 |
| 2 智能视频监控系统的实验平台搭建 | 第12-22页 |
| ·系统框架 | 第12页 |
| ·硬件平台的搭建 | 第12-15页 |
| ·主要硬件设备介绍 | 第12-13页 |
| ·串口连线方式 | 第13-14页 |
| ·串口通信协议 | 第14-15页 |
| ·软件平台的搭建 | 第15-19页 |
| ·串口通信 | 第15页 |
| ·视频流提取 | 第15-19页 |
| ·智能视频监控系统实现 | 第19-21页 |
| ·软件界面及使用说明 | 第19-20页 |
| ·智能视频监控系统工作流程 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 运动目标检测及运动目标区域确定 | 第22-32页 |
| ·运动目标检测常用方法 | 第22页 |
| ·基于帧间差分的运动检测 | 第22-23页 |
| ·基于背景差分的运动检测 | 第23-27页 |
| ·基本背景差分法 | 第23-24页 |
| ·基于混合高斯模型的背景差分法 | 第24-27页 |
| ·运动目标的位置确定 | 第27-29页 |
| ·运动检测结果及运动目标位置确定结果分析 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 4 基于MEAN SHIFT算法的目标跟踪 | 第32-52页 |
| ·均值偏移(MEAN SHIFT)跟踪算法 | 第32-37页 |
| ·Mean Shift理论 | 第32-34页 |
| ·Mean Shift跟踪算法 | 第34-36页 |
| ·Mean Shift算法的流程 | 第36-37页 |
| ·加入卡尔曼滤波的均值偏移(MEAN SHIFT)跟踪算法 | 第37-42页 |
| ·Mean Shift算法的不足 | 第37页 |
| ·目标跟踪中的卡尔曼滤波与预测 | 第37-38页 |
| ·卡尔曼滤波预测基本方程 | 第38-40页 |
| ·加入卡尔曼滤波的Mean Shift跟踪算法 | 第40-42页 |
| ·采用区域统计灰度的均值偏移(MEAN SHIFT)跟踪算法 | 第42-46页 |
| ·Mean Shift算法颜色子空间的分解 | 第42-43页 |
| ·加入区域灰度统计的Mean Shift算法 | 第43-46页 |
| ·加入自适应窗框调整的均值偏移(MEAN SHIFT)跟踪算法 | 第46-47页 |
| ·均值偏移(MEAN SHIFT)算法在智能视频监控系统中的应用 | 第47-49页 |
| ·本章小结 | 第49-52页 |
| 5 基于粒子滤波相关跟踪算法的目标跟踪 | 第52-64页 |
| ·相关跟踪 | 第52-53页 |
| ·目标模板的描述 | 第52页 |
| ·相关值的描述 | 第52-53页 |
| ·目标的运动模型 | 第53页 |
| ·匹配量的搜索 | 第53页 |
| ·粒子滤波 | 第53-56页 |
| ·贝叶斯滤波原理 | 第54页 |
| ·序贯重要性采样 | 第54-55页 |
| ·粒子退化问题 | 第55-56页 |
| ·基于粒子滤波的相关跟踪算法 | 第56-58页 |
| ·实验结果分析 | 第58-62页 |
| ·本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-70页 |
