智能视觉监控中运动目标检测与行为识别方法
| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12页 |
| ·智能视觉监控的发展和研究动态 | 第12-18页 |
| ·智能视觉监控系统的发展 | 第12-14页 |
| ·智能视觉监控系统的应用 | 第14-15页 |
| ·国内外研究动态 | 第15-18页 |
| ·论文的主要内容及安排 | 第18-20页 |
| 第二章 智能视觉监控的关键技术 | 第20-32页 |
| ·智能视觉监控概述 | 第20-21页 |
| ·运动目标的检测 | 第21-24页 |
| ·基于差分的运动目标检测 | 第21-23页 |
| ·基于光流的运动目标检测 | 第23页 |
| ·基于特征的运动目标检测 | 第23-24页 |
| ·运动目标的跟踪 | 第24-28页 |
| ·运动目标跟踪的方法分类 | 第24-25页 |
| ·常用的目标跟踪方法 | 第25-28页 |
| ·运动目标的行为分析 | 第28-31页 |
| ·运动目标行为的特征表达方式 | 第29-30页 |
| ·运动目标行为识别方法 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 运动目标的检测 | 第32-52页 |
| ·常用的运动目标检测算法 | 第32-42页 |
| ·时间差分法 | 第32-33页 |
| ·背景减除法 | 第33-39页 |
| ·光流法 | 第39-40页 |
| ·背景减除法与时间差分法的融合 | 第40-42页 |
| ·基于改进码本模型的目标检测算法 | 第42-50页 |
| ·原始码本背景模型描述 | 第42-44页 |
| ·改进的码本背景模型 | 第44-46页 |
| 新建目录项 | 第46-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 运动目标的跟踪 | 第52-68页 |
| ·典型的运动目标跟踪方法 | 第53-57页 |
| ·卡尔曼滤波 | 第53-54页 |
| ·Mean Shift 跟踪方法 | 第54-57页 |
| ·基于团块信息的运动目标跟踪算法 | 第57-66页 |
| ·运动区域的分块特征提取 | 第58-60页 |
| ·基于团块的 meanshift 目标模型更新 | 第60-61页 |
| ·卡尔曼参数自适应更新 | 第61-62页 |
| ·算法实现与实验分析 | 第62-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 运动目标的行为分析 | 第68-94页 |
| ·基于关键帧特征匹配的运动行为分类 | 第68-78页 |
| ·图像的矩特征 | 第68-72页 |
| ·速度小波矩与轮廓小波矩的结合 | 第72-73页 |
| ·关键帧特征匹配算法 | 第73-75页 |
| ·实验与分析 | 第75-78页 |
| ·基于隐马尔可夫的运动行为分类 | 第78-87页 |
| ·隐马尔可夫模型的基本定义 | 第79页 |
| ·隐马尔可夫模型三类问题的基本解法 | 第79-83页 |
| ·基于隐马尔可夫模型的人体行为识别方法 | 第83-86页 |
| ·实验与分析 | 第86-87页 |
| ·基于朴素贝叶斯分类器的运动行为分类 | 第87-92页 |
| ·朴素贝叶斯分类方法 | 第88页 |
| ·多分类器组合的框架 | 第88-89页 |
| ·朴素贝叶斯分类组合法 | 第89-90页 |
| ·实验与分析 | 第90-92页 |
| ·本章小结 | 第92-94页 |
| 第六章 总结与展望 | 第94-98页 |
| ·本文工作总结 | 第94-95页 |
| ·未来发展展望 | 第95-98页 |
| 致谢 | 第98-100页 |
| 参考文献 | 第100-110页 |
| 攻读博士学位期间的研究成果 | 第110-112页 |
| 学术论文 | 第110页 |
| 出版的教材 | 第110-111页 |
| 发明专利 | 第111页 |
| 软件著作权 | 第111页 |
| 参加研究的科研项目 | 第111-112页 |
