图像识别技术在智能视频监控系统中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题背景与选题意义 | 第10-11页 |
| ·发展动态与研究现状 | 第11-12页 |
| ·发展动态 | 第11页 |
| ·研究现状 | 第11-12页 |
| ·达芬奇技术 | 第12-13页 |
| ·OpenCV | 第13-15页 |
| ·OpenCV的内容 | 第13-14页 |
| ·OpenCV的安装 | 第14-15页 |
| ·研究内容与结构安排 | 第15-18页 |
| 第2章 基于达芬奇技术的智能视频监控系统 | 第18-36页 |
| ·智能视频监控系统架构 | 第18-19页 |
| ·基于达芬奇技术的硬件开发平台 | 第19-23页 |
| ·TMS320DM355 DMSoC | 第19-22页 |
| ·TechvDM355视频开发评估板 | 第22-23页 |
| ·基于达芬奇技术的软件开发平台 | 第23-28页 |
| ·引擎与服务器框架 | 第23-26页 |
| ·xDAIS和xDM算法标准 | 第26-27页 |
| ·TechvDM355的软件架构 | 第27-28页 |
| ·嵌入式开发环境的搭建 | 第28-29页 |
| ·应用程序的开发 | 第29-36页 |
| ·视频采集Capture Thread | 第30-32页 |
| ·视频压缩Video Thread | 第32-33页 |
| ·视频信息发送Send Thread | 第33-36页 |
| 第3章 基于Adaboost算法的人脸检测 | 第36-54页 |
| ·人脸检测概述 | 第36-37页 |
| ·Haar-like特征提取 | 第37-41页 |
| ·Haar-like特征 | 第37-39页 |
| ·积分图像 | 第39-41页 |
| ·Adaboost算法 | 第41-47页 |
| ·弱分类器 | 第41-42页 |
| ·基于Boosting算法的强分类器 | 第42-43页 |
| ·基于Adaboost算法的强分类器 | 第43-45页 |
| ·级联分类器 | 第45-47页 |
| ·算法在人脸检测中的应用 | 第47-54页 |
| ·分类器训练 | 第48-51页 |
| ·人脸检测 | 第51-54页 |
| 第4章 基于支持向量机算法的人脸识别 | 第54-71页 |
| ·人脸识别概述 | 第54-55页 |
| ·主成份分析法 | 第55-58页 |
| ·PCA降维原理 | 第55-57页 |
| ·确定PCA维数 | 第57-58页 |
| ·支持向量机 | 第58-63页 |
| ·线性支持向量 | 第58-62页 |
| ·非线性支持向量 | 第62-63页 |
| ·多类支持向量机 | 第63页 |
| ·算法在人脸识别中的应用 | 第63-71页 |
| ·Libsvm介绍 | 第63-64页 |
| ·人脸数据库的建立 | 第64页 |
| ·参数的选取 | 第64-66页 |
| ·分类结果演示 | 第66-71页 |
| 第5章 结论与展望 | 第71-73页 |
| ·本文的工作总结 | 第71页 |
| ·存在的不足与改进 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 攻读硕士期间发表论文情况 | 第79页 |
