基于机器视觉的异常行为检测
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题研究背景 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·人体行为识别简介 | 第11-12页 |
| ·本文主要工作 | 第12页 |
| ·本文的结构安排 | 第12-14页 |
| 第二章 运动目标检测概述 | 第14-28页 |
| ·引言 | 第14-15页 |
| ·常见运动目标检测方法简介 | 第15-20页 |
| ·时间差分法 | 第15-16页 |
| ·光流法 | 第16-17页 |
| ·背景减除法 | 第17-18页 |
| ·背景减除法与时间差分法相结合的算法 | 第18-20页 |
| ·基于单高斯背景建模的运动目标检测方法 | 第20-21页 |
| ·基于混合高斯背景建模的运动目标检测方法 | 第21-25页 |
| ·混合高斯模型的建立 | 第21-22页 |
| ·更新混合高斯模型参数 | 第22-24页 |
| ·背景模型估计及其运动分割 | 第24-25页 |
| ·运动前景检测 | 第25页 |
| ·形态学后处理 | 第25-26页 |
| ·试验结果与分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 目标分类理论基础 | 第28-37页 |
| ·图像特征描述 | 第28-30页 |
| ·颜色特征 | 第28-29页 |
| ·纹理特征 | 第29-30页 |
| ·形状特征 | 第30页 |
| ·提取步态轮廓图 | 第30-33页 |
| ·基于主成分分析的线性降维方法描述 | 第33-35页 |
| ·PCA | 第33-34页 |
| ·2DPCA | 第34-35页 |
| ·2D2PCA | 第35页 |
| ·小结 | 第35-37页 |
| 第四章 基于Hu 矩的目标识别 | 第37-53页 |
| ·矩的一般知识介绍 | 第37-42页 |
| ·几何矩的概念 | 第37-38页 |
| ·几何矩的相关变换 | 第38-40页 |
| ·低阶几何矩的物理意义 | 第40-42页 |
| ·Hu 矩及其改进 | 第42-47页 |
| ·Hu 矩定义 | 第42-44页 |
| ·Hu 矩性质及其物理意义 | 第44-46页 |
| ·离散Hu 矩的改进 | 第46-47页 |
| ·基于改进Hu 矩与轮廓相结合算法的异常行为检测 | 第47-52页 |
| ·实验的前期准备工作 | 第48-49页 |
| ·相似性测量 | 第49-50页 |
| ·实验过程及结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·论文总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文目录 | 第60页 |
