智能视频监控与检索系统开发
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 智能视频监控的研究现状 | 第9-12页 |
| 1.2.2 视频图像检索系统的研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 2 智能视频监控存储方式研究 | 第16-23页 |
| 2.1 视频监控中的存储方式概况 | 第16页 |
| 2.2 智能视频监控存储方式研究 | 第16-20页 |
| 2.2.1 海康威视SDK介绍 | 第16-18页 |
| 2.2.2 视频监控智能录像技术 | 第18-20页 |
| 2.3 实验结果与分析 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 改进的Vibe背景检测算法 | 第23-33页 |
| 3.1 运动目标检测的主要方法 | 第23-25页 |
| 3.1.1 帧差法 | 第23页 |
| 3.1.2 光流法 | 第23-24页 |
| 3.1.3 背景差法 | 第24-25页 |
| 3.2 改进的Vibe背景检测算法 | 第25-31页 |
| 3.2.1 传统的Vibe背景检测算法 | 第25-26页 |
| 3.2.2 改进的Vibe背景检测算法 | 第26-31页 |
| 3.3 实验结果与分析 | 第31-32页 |
| 3.3.1 性能评价标准 | 第31页 |
| 3.3.2 本文算法与其他算法比较 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 分块多特征自适应融合的多目标视觉跟踪 | 第33-43页 |
| 4.1 运动目标跟踪的主要方法 | 第33-36页 |
| 4.1.1 均值移动算法 | 第33-35页 |
| 4.1.2 卡尔曼滤波算法 | 第35页 |
| 4.1.3 粒子滤波算法 | 第35-36页 |
| 4.2 分块多特征自适应融合的多目标视觉跟踪 | 第36-40页 |
| 4.2.1 目标模型的建立 | 第36-37页 |
| 4.2.2 多特征自适应融合 | 第37-38页 |
| 4.2.3 分块多特征融合的多目标跟踪 | 第38-39页 |
| 4.2.4 多目标跟踪流程 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-42页 |
| 4.3.1 多特征自适应融合的多目标视觉跟踪 | 第40-41页 |
| 4.3.2 遮挡时分块多目标视觉跟踪 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于内容和语义的图像检索 | 第43-57页 |
| 5.1 视频图像检索系统介绍 | 第43-44页 |
| 5.2 基于样例的图像检索 | 第44-50页 |
| 5.2.1 全局特征 | 第44-46页 |
| 5.2.2 局部特征 | 第46-49页 |
| 5.2.3 融合全局和局部特征的图像检索方法 | 第49-50页 |
| 5.3 基于SVM的语义检索 | 第50-53页 |
| 5.3.1 支持向量机简介 | 第51-52页 |
| 5.3.2 SVM的设计 | 第52-53页 |
| 5.4 实验结果与分析 | 第53-55页 |
| 5.4.1 图像检索性能评价 | 第53页 |
| 5.4.2 融合全局与局部特征的图像检索 | 第53-55页 |
| 5.4.3 基于SVM的语义检索 | 第55页 |
| 5.5 本章小结 | 第55-57页 |
| 6 系统总体设计与实现 | 第57-63页 |
| 6.1 系统软硬件环境 | 第57页 |
| 6.2 系统设计及实现 | 第57-62页 |
| 6.2.1 系统开发界面 | 第57-58页 |
| 6.2.2 系统流程和模块分析 | 第58-62页 |
| 6.3 本章小结 | 第62-63页 |
| 7 总结与展望 | 第63-65页 |
| 7.1 本文工作总结 | 第63页 |
| 7.2 进一步工作展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
