| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·智能视频监控的研究现状 | 第10-11页 |
| ·智能视频监控的发展方向 | 第11-13页 |
| ·行为分析关键技术的研究现状 | 第13-15页 |
| ·本文研究的主要内容与章节安排 | 第15-19页 |
| ·视频的获取和视频数据库的选择 | 第15-16页 |
| ·本文研究的主要内容 | 第16-17页 |
| ·本文的章节安排 | 第17-19页 |
| 第2章 运动目标检测与跟踪 | 第19-33页 |
| ·运动前景目标检测 | 第19-25页 |
| ·光流法 | 第19-22页 |
| ·帧间差分法 | 第22-23页 |
| ·混合高斯背景建模算法 | 第23-25页 |
| ·图像形态学处理 | 第25-27页 |
| ·对联通区域的形态学处理 | 第25-26页 |
| ·对目标作标记 | 第26-27页 |
| ·基于 Kalman 滤波算法的运动目标跟踪 | 第27-32页 |
| ·kalman 滤波器实现目标跟踪的原理及算法流程 | 第27-29页 |
| ·Kalman 滤波法实现运动目标跟踪的仿真实验 | 第29页 |
| ·Kalman 滤波法实现多运动目标的跟踪 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 运动目标不同行为的特征提取 | 第33-43页 |
| ·行为特征的选择 | 第33-37页 |
| ·特征选择的标准 | 第33页 |
| ·运动目标的基本信息 | 第33-34页 |
| ·幅值加权的方向角 | 第34-37页 |
| ·幅值加权方向角的熵 | 第37页 |
| ·行为特征的提取效果 | 第37-42页 |
| ·目标人体打架的特征提取 | 第38-39页 |
| ·目标人体徘徊的特征提取 | 第39-40页 |
| ·跟随、相遇等正常行为的特征 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 异常行为分类 | 第43-51页 |
| ·SVM 分类原理 | 第43-46页 |
| ·支持向量机的基本原理 | 第43页 |
| ·线性不可分情况 | 第43-44页 |
| ·非线性不可分情况 | 第44-45页 |
| ·一对多的多分类原理 | 第45-46页 |
| ·一对一的多分类原理 | 第46页 |
| ·KNN 多分类原理 | 第46-48页 |
| ·SVM-KNN 的异常行为分类 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 智能视频监控系统软件实现 | 第51-56页 |
| ·软件各功能模块 | 第51-53页 |
| ·不同行为的运行结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·论文工作总结 | 第56-57页 |
| ·未来工作展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |