| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-13页 |
| ·课题研究背景及意义 | 第7-8页 |
| ·视频监控系统发展动态及趋势 | 第8-10页 |
| ·人形识别技术研究现状 | 第10-11页 |
| ·基于不变矩的人形识别方法流程 | 第11页 |
| ·论文内容安排 | 第11-13页 |
| 2 视频帧图像提取及预处理 | 第13-25页 |
| ·视频帧图像提取 | 第13-14页 |
| ·视频帧图像预处理 | 第14-24页 |
| ·去除背景 | 第14-16页 |
| ·图像分割 | 第16-17页 |
| ·去噪 | 第17-19页 |
| ·轮廓提取 | 第19-24页 |
| ·本章小结 | 第24-25页 |
| 3 视频帧图像不变矩提取 | 第25-35页 |
| ·视频帧图像 Hu 不变矩提取 | 第25-30页 |
| ·Hu 不变矩定义及其不变性概述 | 第25-28页 |
| ·Hu 不变矩提取算法实现 | 第28页 |
| ·几种形状的 Hu 不变矩比较 | 第28-30页 |
| ·视频帧图像 Zernike 不变矩提取 | 第30-34页 |
| ·Zernike 不变矩定义及其不变性概述 | 第30-32页 |
| ·Zernike 不变矩提取算法实现 | 第32-33页 |
| ·几种形状的 Zernike 不变矩比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 视频帧图像分类识别 | 第35-43页 |
| ·基于线性分类器的分类识别 | 第35-38页 |
| ·线性判别函数的基本概念 | 第35-36页 |
| ·最小距离分类器的设计与实现 | 第36-37页 |
| ·最小距离分类器分类结果 | 第37-38页 |
| ·基于贝叶斯分类器的分类识别 | 第38-42页 |
| ·贝叶斯分类器的基本概念 | 第38-41页 |
| ·基于 Parzen 窗法的贝叶斯分类器的设计与实现 | 第41页 |
| ·基于 Parzen 窗法的贝叶斯分类器分类结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 测试及实验结果分析 | 第43-47页 |
| ·测试及实验结果 | 第43-45页 |
| ·结果分析 | 第45-47页 |
| 6 结论与展望 | 第47-49页 |
| ·结论 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-51页 |