| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 运动目标检测算法 | 第16-25页 |
| 2.1 传统运动目标检测算法 | 第16-24页 |
| 2.2.1 CodeBook算法 | 第16-19页 |
| 2.2.2 ViBe算法 | 第19-21页 |
| 2.2.3 GMM高斯混合模型 | 第21-24页 |
| 2.2 本章总结 | 第24-25页 |
| 第三章 基于深度学习的运动行为检测 | 第25-40页 |
| 3.1 基于人工设计特征的运动行为检测算法 | 第25-30页 |
| 3.1.1 HOG特征+SVM分类器 | 第25-27页 |
| 3.1.2 SIFT特征+LK光流法 | 第27-30页 |
| 3.2 基于深度学习的运动行为检测算法 | 第30-39页 |
| 3.2.1 基于region-proposal的运动行为检测算法 | 第31-35页 |
| 3.2.2 基于回归方法的运动行为检测算法 | 第35-37页 |
| 3.2.3 教室场景下深度学习目标检测算法效果对比 | 第37-39页 |
| 3.3 本章总结 | 第39-40页 |
| 第四章 教室场景下运动行为检测系统实现 | 第40-55页 |
| 4.1 教室场景下运动行为检测系统设计 | 第41-48页 |
| 4.1.1 高斯混合模型 | 第42页 |
| 4.1.2 SSD算法实现 | 第42-45页 |
| 4.1.3 Person Re-ID | 第45-48页 |
| 4.2 PTZ摄像头控制 | 第48-50页 |
| 4.2.1 PTZ概述 | 第49页 |
| 4.2.2 Visca协议 | 第49-50页 |
| 4.3 系统测试结果 | 第50-54页 |
| 4.4.1 SSD算法测试 | 第50-52页 |
| 4.4.2 教室场景下运动行为检测系统测试 | 第52-54页 |
| 4.4 本章总结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 论文工作总结 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63页 |