隧道环境下行人目标视频检测技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状及课题的提出 | 第8-12页 |
| ·国内外研究现状 | 第8-11页 |
| ·研究现状分析及课题的提出 | 第11-12页 |
| ·论文主要内容及章节安排 | 第12-14页 |
| 2 隧道环境下行人目标视频检测相关技术及方案 | 第14-24页 |
| ·隧道环境下行人目标的特点 | 第14页 |
| ·隧道环境下行人目标视频检测相关技术 | 第14-20页 |
| ·运动分割 | 第15-19页 |
| ·目标识别 | 第19-20页 |
| ·隧道环境下行人目标的视频检测方案 | 第20-22页 |
| ·基于视频处理的隧道行人目标提取 | 第20-21页 |
| ·基于多特征的隧道行人目标识别 | 第21-22页 |
| ·算法评价指标 | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 基于视频处理的隧道行人目标提取 | 第24-40页 |
| ·基于非参数核密度模型的背景建模 | 第24-31页 |
| ·典型的背景建模方法 | 第24-27页 |
| ·非参数核密度模型法 | 第27-30页 |
| ·背景建模实验对比 | 第30-31页 |
| ·背景更新 | 第31-34页 |
| ·环境突变的背景更新方法 | 第32-33页 |
| ·环境渐变的背景更新方法 | 第33-34页 |
| ·基于概率分析的小面积行人目标去噪 | 第34-38页 |
| ·去除灯光噪声 | 第34-37页 |
| ·去噪实验效果对比 | 第37-38页 |
| ·小结 | 第38-40页 |
| 4 基于多特征的隧道行人目标识别 | 第40-54页 |
| ·基于视频处理的隧道行人目标特征选取 | 第40-43页 |
| ·常用行人目标特征 | 第40-41页 |
| ·隧道行人目标特征选取 | 第41-43页 |
| ·基于多特征的隧道行人目标识别算法框架 | 第43-44页 |
| ·基于模糊 C 均值聚类的轮廓特征识别器 | 第44-49页 |
| ·构造轮廓特征描述算子 | 第44页 |
| ·模糊 C 均值算法 | 第44-46页 |
| ·基于模糊 C 均值的行人目标轮廓特征识别算法 | 第46-47页 |
| ·实际隧道场景的行人目标识别结果 | 第47-49页 |
| ·运动特征识别器 | 第49-53页 |
| ·基于相似度的行人目标动态不规则性分析 | 第49-51页 |
| ·基于质心位移量的行人目标运动特性分析 | 第51页 |
| ·基于运动特征的行人目标识别算法 | 第51-52页 |
| ·实际隧道场景的行人目标识别结果 | 第52-53页 |
| ·小结 | 第53-54页 |
| 5 实验结果及分析 | 第54-64页 |
| ·实验数据及实验环境 | 第54页 |
| ·实验算法流程 | 第54-55页 |
| ·隧道环境下行人目标视频检测算法实验结果及分析 | 第55-62页 |
| ·隧道行人目标提取实验结果及分析 | 第55-57页 |
| ·隧道行人目标识别实验结果及分析 | 第57-61页 |
| ·算法性能分析 | 第61-62页 |
| ·小结 | 第62-64页 |
| 6 总结与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 附录 | 第74页 |
| A. 作者在攻读学位期间发表的论文目录 | 第74页 |
| B. 作者在攻读学位期间申请的发明专利 | 第74页 |
| C. 作者在攻读学位期间参与的科研项目 | 第74页 |
