| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题研究背景及意义 | 第12-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 基于穿戴式的家庭监护技术 | 第16-17页 |
| 1.2.2 基于日常活动量信息的家庭监护技术 | 第17页 |
| 1.2.3 基于计算机视觉的智能家庭监护技术 | 第17-19页 |
| 1.3 智能家庭监护技术总结 | 第19-20页 |
| 1.4 本文研究的主要内容和结构安排 | 第20-22页 |
| 第二章 运动目标的检测 | 第22-31页 |
| 2.1 常用的运动目标检测方法 | 第22-26页 |
| 2.1.1 帧间差分法 | 第22-24页 |
| 2.1.2 背景减除法 | 第24-25页 |
| 2.1.3 光流法 | 第25-26页 |
| 2.2 背景模型的建立与更新 | 第26-29页 |
| 2.2.1 统计平均法 | 第26-27页 |
| 2.2.2 高斯背景建模法 | 第27-29页 |
| 2.3 实验结果及分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 阴影消除及后处理 | 第31-42页 |
| 3.1 阴影的检测与去除 | 第31-38页 |
| 3.1.1 基于颜色空间变换的阴影抑制算法 | 第32-34页 |
| 3.1.2 基于纹理特征的阴影检测算法 | 第34-35页 |
| 3.1.3 基于HSV颜色空间和纹理特征的阴影检测算法 | 第35-37页 |
| 3.1.4 实验结果与分析 | 第37-38页 |
| 3.2 图像后处理 | 第38-41页 |
| 3.2.1 中值滤波 | 第38-39页 |
| 3.2.2 形态学滤波 | 第39-41页 |
| 3.2.3 实验结果与分析 | 第41页 |
| 3.3 本章小结 | 第41-42页 |
| 第四章 运动目标的行为特征的提取与描述 | 第42-54页 |
| 4.1 行为特征的全局描述 | 第43-48页 |
| 4.1.1 最小外接矩形框 | 第43-44页 |
| 4.1.2 空间矩特征 | 第44-48页 |
| 4.2 行为特征的局部描述 | 第48-51页 |
| 4.3 运动特征的提取 | 第51-52页 |
| 4.4 运动行为描述 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于支持向量机的人体异常行为检测 | 第54-68页 |
| 5.1 支持向量机(SVM)基本原理 | 第55-60页 |
| 5.1.1 支持向量机的数学模型 | 第55-57页 |
| 5.1.2 核函数 | 第57-58页 |
| 5.1.3 支持向量机(SVM)的多类分类问题 | 第58-60页 |
| 5.2 基于SVM的人体异常行为检测 | 第60-65页 |
| 5.2.1 视频采集及行为分类 | 第60-62页 |
| 5.2.2 基于SVM的异常行为识别算法 | 第62-65页 |
| 5.3 实验结果及分析 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-77页 |
| 学位论文评阅及答辩情况表 | 第77页 |