| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 相关领域研究现状 | 第9-12页 |
| 1.2.1 智能视频监控技术研究现状 | 第9-11页 |
| 1.2.2 视觉注意计算模型研究现状 | 第11-12页 |
| 1.3 论文主要工作和创新点 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第2章 嵌入式系统平台设计 | 第14-22页 |
| 2.1 系统硬件平台设计 | 第14-15页 |
| 2.2 系统软件平台设计 | 第15-21页 |
| 2.2.1 系统引导程序移植 | 第15-17页 |
| 2.2.2 Linux内核移植 | 第17-18页 |
| 2.2.3 文件系统制作 | 第18-20页 |
| 2.2.4 应用程序移植 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 视觉显著性检测 | 第22-29页 |
| 3.1 静态显著性计算模型 | 第22-26页 |
| 3.1.1 itti显著性计算模型 | 第22-23页 |
| 3.1.2 基于谱残差法的显著性计算模型 | 第23-24页 |
| 3.1.3 基于最大对称环绕区域的显著性计算模型 | 第24-25页 |
| 3.1.4 基于上下文感知的显著性计算模型 | 第25页 |
| 3.1.5 基于直方图对比的显著性计算模型 | 第25-26页 |
| 3.2 基于运动目标的视觉显著性计算模型 | 第26-28页 |
| 3.2.1 模型描述 | 第26-27页 |
| 3.2.2 实验效果对比 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 运动目标检测 | 第29-42页 |
| 4.1 经典运动目标检测算法 | 第29-36页 |
| 4.1.1 光流法 | 第29-30页 |
| 4.1.2 帧差法 | 第30-31页 |
| 4.1.3 背景差分法 | 第31-36页 |
| 4.2 基于显著图和ViBe算法的显著运动目标检测算法 | 第36-37页 |
| 4.2.1 算法整体描述 | 第36-37页 |
| 4.2.2 算法求解步骤 | 第37页 |
| 4.3 实验结果与分析 | 第37-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 车流量检测 | 第42-48页 |
| 5.1 多目标跟踪算法 | 第42-44页 |
| 5.1.1 Kalman目标跟踪算法 | 第42-43页 |
| 5.1.2 Hungary任务分配算法 | 第43-44页 |
| 5.1.3 多目标跟踪算法描述 | 第44页 |
| 5.2 车流量检测算法 | 第44-45页 |
| 5.3 实验结果 | 第45-46页 |
| 5.4 嵌入式平台下的系统实现 | 第46-47页 |
| 5.4.1 系统设计 | 第46页 |
| 5.4.2 系统运行结果 | 第46-47页 |
| 5.5 本章小结 | 第47-48页 |
| 第6章 结论 | 第48-49页 |
| 6.1 论文总结 | 第48页 |
| 6.2 论文展望 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |
| 攻读硕士学位期间研究成果 | 第53页 |