| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第1章 绪论 | 第14-30页 |
| ·研究背景及意义 | 第14-18页 |
| ·视频监控 | 第14-15页 |
| ·智能视觉监控 | 第15-16页 |
| ·选题意义 | 第16-18页 |
| ·智能视觉监控的国内外研究现状 | 第18-24页 |
| ·论文主要贡献与章节安排 | 第24-26页 |
| ·本文主要贡献 | 第24-25页 |
| ·本文章节安排 | 第25-26页 |
| ·本章参考文献 | 第26-30页 |
| 第2章 跳帧视频中的目标跟踪 | 第30-45页 |
| ·问题背景 | 第30-34页 |
| ·基于突变运动检测的粒子滤波算法 | 第34-39页 |
| ·基于隐马尔可夫模型的粒子滤波 | 第34-36页 |
| ·突变运动检测 | 第36-37页 |
| ·后验概率修正 | 第37-39页 |
| ·实验结果与分析 | 第39-42页 |
| ·实验环境 | 第39页 |
| ·采样过程中的有效采样度分析 | 第39-40页 |
| ·跟踪错误的比较 | 第40-42页 |
| ·本章小结 | 第42页 |
| ·本章参考文献 | 第42-45页 |
| 第3章 多摄像机之间基于区域SIFT描述子的目标匹配 | 第45-63页 |
| ·问题背景 | 第45-47页 |
| ·基于区域SIFT描述子的目标匹配 | 第47-57页 |
| ·方法概述 | 第47-49页 |
| ·目标区域检测与跟踪 | 第49-50页 |
| ·SIFT描述子的提取 | 第50-54页 |
| ·基于区域SIFT描述子的目标匹配 | 第54-57页 |
| ·实验结果与分析 | 第57-60页 |
| ·相同类型的目标物体 | 第57-58页 |
| ·不同类型的目标物体 | 第58-60页 |
| ·比较与分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| ·本章参考文献 | 第61-63页 |
| 第4章 多摄像机监控中基于贝叶斯因果网的角色识别 | 第63-87页 |
| ·问题背景 | 第63-69页 |
| ·角色识别问题 | 第63-65页 |
| ·角色识别相关工作 | 第65-67页 |
| ·立体视觉与摄像机模型 | 第67-69页 |
| ·基于贝叶斯因果网的角色识别 | 第69-70页 |
| ·角色特征 | 第69-70页 |
| ·贝叶斯因果网的选用 | 第70页 |
| ·我们的解决方案 | 第70页 |
| ·特征提取与分析 | 第70-76页 |
| ·时间特征 | 第70-71页 |
| ·统计特征 | 第71-75页 |
| ·颜色形状特征 | 第75-76页 |
| ·实验结果与分析 | 第76-84页 |
| ·实验环境设置 | 第76-82页 |
| ·网络参数估计 | 第82-83页 |
| ·分析与比较 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| ·本章参考文献 | 第85-87页 |
| 第5章 基于LSV特征的人脸识别方法 | 第87-103页 |
| ·问题背景 | 第87-90页 |
| ·应用场景 | 第87-88页 |
| ·相关人脸识别技术 | 第88-90页 |
| ·基于LSV特征的人脸识别 | 第90-95页 |
| ·方法概述 | 第90-91页 |
| ·基于线段的人脸识别 | 第91-93页 |
| ·LSV特征 | 第93-95页 |
| ·改进的人脸识别算法 | 第95页 |
| ·实验结果与分析 | 第95-100页 |
| ·人脸的标准化 | 第97页 |
| ·单机人脸识别 | 第97-98页 |
| ·分布式人脸识别 | 第98-100页 |
| ·本章小结 | 第100页 |
| ·本章参考文献 | 第100-103页 |
| 第6章 结束语 | 第103-105页 |
| 致谢 | 第105-106页 |
| 附录:攻博期间的文章、专利 | 第106-108页 |
| 参加的科研工作 | 第108页 |