基于Opencv的区域入侵检测的研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究的背景与意义 | 第9-10页 |
| 1.2 智能视频监控的研究现状 | 第10-11页 |
| 1.3 本文的研究内容 | 第11-12页 |
| 1.4 本文的框架结构 | 第12-13页 |
| 第二章 视频分析基础知识 | 第13-17页 |
| 2.1 视频监控系统的组成结构 | 第13-14页 |
| 2.2 视频流的概念 | 第14-15页 |
| 2.2.1 视频流系统的构成 | 第14-15页 |
| 2.2.2 视频流的优势 | 第15页 |
| 2.3 Opencv计算机视觉库 | 第15-17页 |
| 第三章 背景建模的研究与实现 | 第17-37页 |
| 3.1 时域差分模型 | 第18-25页 |
| 3.1.1 背景帧图像获取 | 第18页 |
| 3.1.2 基于Canny算子的轮廓信息提取 | 第18-20页 |
| 3.1.3 基于Sobel算子的轮廓信息提取 | 第20-21页 |
| 3.1.4 模式匹配 | 第21-22页 |
| 3.1.5 实验结果与分析 | 第22-25页 |
| 3.2 高斯模型 | 第25-29页 |
| 3.2.1 单高斯模型原理介绍 | 第25-26页 |
| 3.2.2 混合高斯模型原理介绍 | 第26-28页 |
| 3.2.3 实验结果与分析 | 第28-29页 |
| 3.3 codebook背景模型 | 第29-35页 |
| 3.3.1 原理介绍 | 第30-32页 |
| 3.3.2 前景连通区域处理 | 第32页 |
| 3.3.3 实验结果与分析 | 第32-35页 |
| 3.4 背景模型总结与分析 | 第35-37页 |
| 第四章 分层自适应混合高斯模型 | 第37-59页 |
| 4.1 自适应混合高斯模型介绍 | 第37-40页 |
| 4.2 阴影消除 | 第40-45页 |
| 4.2.1 HSV颜色空间 | 第41-43页 |
| 4.2.2 阴影特征研究 | 第43页 |
| 4.2.3 前景中阴影消除 | 第43-45页 |
| 4.3 自适应学习率 | 第45-46页 |
| 4.4 全局灰度平均值 | 第46页 |
| 4.5 八邻域相关性去噪 | 第46-47页 |
| 4.6 形态学滤波 | 第47-54页 |
| 4.6.1 腐蚀膨胀运算 | 第48-53页 |
| 4.6.2 开运算与闭运算 | 第53-54页 |
| 4.7 实验结果与分析 | 第54-58页 |
| 4.8 本章总结 | 第58-59页 |
| 第五章 基于特征提取的运动目标识别 | 第59-72页 |
| 5.1 运动目标轮廓特征提取 | 第59-66页 |
| 5.1.1 序列 | 第59页 |
| 5.1.2 特征概述 | 第59-65页 |
| 5.1.3 查找轮廓 | 第65-66页 |
| 5.2 统计运动目标数目 | 第66-67页 |
| 5.2.1 数目统计 | 第66-67页 |
| 5.2.2 轮廓概括特征 | 第67页 |
| 5.3 基于SVM的数目匹配算法 | 第67-69页 |
| 5.2.1 SVM识别算法 | 第68-69页 |
| 5.2.2 轮廓数目校正 | 第69页 |
| 5.4 实验结果与分析 | 第69-72页 |
| 第六章 总结与展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-77页 |
| 致谢 | 第77页 |
