| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外的研究现状及分析 | 第11-13页 |
| 1.3 本课题研究的主要内容 | 第13-14页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 课题的主要研究内容 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 运动目标检测 | 第15-30页 |
| 2.1 常见的运动目标检测算法 | 第16-21页 |
| 2.1.1 帧间差分法 | 第16-17页 |
| 2.1.2 光流法 | 第17-18页 |
| 2.1.3 背景差法 | 第18-19页 |
| 2.1.4 背景建模方法 | 第19-21页 |
| 2.2 基于减背景法与边缘提取的前景提取算法 | 第21-26页 |
| 2.2.1 AMF 法与均值滤波融合的背景提取算法 | 第21-23页 |
| 2.2.2 改进的 Sobel 算子边缘提取 | 第23-26页 |
| 2.2.3 减背景法与边缘提取的融合 | 第26页 |
| 2.3 实验结果与分析 | 第26-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 角点光流计算及基于角点动能检测模型建立 | 第30-49页 |
| 3.1 光流 | 第30-37页 |
| 3.1.1 Horn-Schunck 光流算法 | 第33-34页 |
| 3.1.2 Lucas-Kanade 光流算法 | 第34-36页 |
| 3.1.3 金字塔 Lucas-Kanade 光流算法 | 第36-37页 |
| 3.2 改进的金字塔 Lucas-Kanade 算法 | 第37-43页 |
| 3.2.1 角点的检测 | 第38-39页 |
| 3.2.2 基于角点的光流计算 | 第39-43页 |
| 3.3 角点动能检测模型建立 | 第43-46页 |
| 3.3.1 动态特征计算 | 第44-45页 |
| 3.3.2 动能计算 | 第45-46页 |
| 3.4 实验结果与分析 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 电梯轿厢内异常行为检测 | 第49-64页 |
| 4.1 电梯轿厢内人数判断 | 第49-52页 |
| 4.1.1 基于前景连通区域像素统计 | 第50-51页 |
| 4.1.2 人数判断 | 第51-52页 |
| 4.2 异常行为检测 | 第52-62页 |
| 4.2.1 单人情况下异常行为检测 | 第52-57页 |
| 4.2.2 多人情况下异常行为检测 | 第57-60页 |
| 4.2.3 遗留物检测 | 第60-62页 |
| 4.3 算法性能评价 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第5章 异常行为监控系统平台 | 第64-69页 |
| 5.1 OpenCV 开发环境介绍 | 第64-65页 |
| 5.1.1 OpenCV 库 | 第64-65页 |
| 5.1.2 OpenCV 功能 | 第65页 |
| 5.2 系统平台的实现 | 第65-68页 |
| 5.2.1 基本架构 | 第65-66页 |
| 5.2.2 软件界面 | 第66-67页 |
| 5.2.3 运行结果 | 第67-68页 |
| 5.3 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的学术论文 | 第76-77页 |
| 致谢 | 第77页 |
