| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 第2章 智能视频监控技术 | 第15-22页 |
| 2.1 智能视频监控平台概述 | 第15-16页 |
| 2.2 运动目标检测方法 | 第16-19页 |
| 2.2.1 帧间差分法 | 第16-18页 |
| 2.2.2 背景减除法 | 第18-19页 |
| 2.3 运动目标分类方法 | 第19-21页 |
| 2.3.1 目标分类技术 | 第19-20页 |
| 2.3.2 分类器选择 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 运动目标检测算法研究 | 第22-36页 |
| 3.1 基于Codebook模型的目标检测算法 | 第22-26页 |
| 3.1.1 Codebook背景模型的建立 | 第22-23页 |
| 3.1.2 Codebook模型训练 | 第23-25页 |
| 3.1.3 前景目标检测 | 第25-26页 |
| 3.2 改进的运动目标检测算法 | 第26-34页 |
| 3.2.1 改进的Codebook模型检测算法 | 第26-27页 |
| 3.2.2 改进算法与传统算法对比实验 | 第27-30页 |
| 3.2.3 五帧差分法 | 第30-33页 |
| 3.2.4 动态Codebook模型与五帧差分的融合检测算法 | 第33-34页 |
| 3.3 实验结果与分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 运动目标分类算法研究 | 第36-55页 |
| 4.1 运动目标的特征提取 | 第36-44页 |
| 4.1.1 运动目标静态特征描述 | 第36-37页 |
| 4.1.2 运动目标动态特征描述 | 第37页 |
| 4.1.3 运动目标特征提取方式 | 第37-44页 |
| 4.2 优化的霍夫森林目标分类算法 | 第44-50页 |
| 4.2.1 霍夫森林算法 | 第44-45页 |
| 4.2.2 霍夫森林分类流程 | 第45-46页 |
| 4.2.3 霍夫森林分类算法的优化 | 第46-50页 |
| 4.3 实验结果与分析 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读硕士学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |