智能视频监控中的人体运动分析及关键技术研究
| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-13页 |
| ·课题研究背景及意义 | 第8页 |
| ·视频监控系统的发展应用及研究现状 | 第8-11页 |
| ·视频监控系统的发展 | 第8-9页 |
| ·智能视频监控系统的应用 | 第9-10页 |
| ·智能视频监控系统国内外研究现状 | 第10-11页 |
| ·本文主要研究工作和内容安排 | 第11-13页 |
| 第2章 视频运动目标检测技术研究 | 第13-28页 |
| ·引言 | 第13页 |
| ·视频运动目标检测方法 | 第13-14页 |
| ·背景减除法 | 第13页 |
| ·帧间差分法 | 第13页 |
| ·光流法 | 第13-14页 |
| ·其它方法 | 第14页 |
| ·基于高斯背景模型的运动目标检测 | 第14-20页 |
| ·图像去噪处理 | 第14-16页 |
| ·自适应高斯背景模型建立 | 第16-17页 |
| ·背景模型更新策略 | 第17-18页 |
| ·背景减除法的运动目标检测 | 第18页 |
| ·形态学滤波处理 | 第18-20页 |
| ·区域连通性分析 | 第20页 |
| ·基于帧间差分法的运动目标检测 | 第20-23页 |
| ·帧差图像分析 | 第20-21页 |
| ·帧间差分基本原理 | 第21-22页 |
| ·三帧差分法的运动目标检测 | 第22-23页 |
| ·实验结果及分析 | 第23-27页 |
| ·基于高斯背景模型的运动目标检测实验 | 第23-25页 |
| ·基于帧间差分法的运动目标检测实验 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 视频运动目标跟踪技术研究 | 第28-60页 |
| ·引言 | 第28页 |
| ·视频目标跟踪技术分类方法 | 第28-29页 |
| ·非线性动态系统的滤波理论与算法 | 第29-43页 |
| ·最优贝叶斯估计 | 第30-31页 |
| ·扩展卡尔曼滤波算法 | 第31-33页 |
| ·粒子滤波算法 | 第33-40页 |
| ·算法仿真结果及分析 | 第40-43页 |
| ·基于粒子滤波理论的人体跟踪研究 | 第43-58页 |
| ·颜色特征提取 | 第43-47页 |
| ·运动边缘特征提取 | 第47-51页 |
| ·系统状态转移模型 | 第51-52页 |
| ·系统观测模型 | 第52-53页 |
| ·多特征融合的粒子滤波跟踪算法 | 第53-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 第4章 运动人体行为识别研究 | 第60-68页 |
| ·引言 | 第60页 |
| ·行为理解与描述概述 | 第60-61页 |
| ·人体行为识别方法 | 第61-62页 |
| ·基于模板匹配方法 | 第61页 |
| ·基于状态空间方法 | 第61-62页 |
| ·图像匹配的相似性算法 | 第62-65页 |
| ·传统模板匹配算法 | 第62-63页 |
| ·图像结构矩特征提取 | 第63-64页 |
| ·结合结构矩特征的模板匹配行为识别 | 第64-65页 |
| ·实验结果及分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 摘要 | 第76-79页 |
| Abstract | 第79-82页 |
