| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-17页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·国内外相关技术发展与现状 | 第9-14页 |
| ·多摄像机智能视频监控系统发展与现状 | 第9-11页 |
| ·AdaBoost的发展与研究现状 | 第11-14页 |
| ·AdaBoost检测运动目标存在的问题 | 第14-15页 |
| ·论文主要工作和结构 | 第15-17页 |
| ·论文主要工作 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 2 AdaBoost的检测原理 | 第17-34页 |
| ·AdaBoost算法描述 | 第17-18页 |
| ·AdaBoost算法的理论分析 | 第18-23页 |
| ·训练误差分析 | 第18-21页 |
| ·泛化误差 | 第21-23页 |
| ·检测特征的选取与计算 | 第23-27页 |
| ·Haar-like特征 | 第24-25页 |
| ·矩形特征数量计算 | 第25-26页 |
| ·积分图 | 第26-27页 |
| ·AdaBoost算法强分类器的训练 | 第27-31页 |
| ·弱分类器的构造 | 第28-29页 |
| ·训练强分类器 | 第29-31页 |
| ·级联分类器 | 第31-33页 |
| ·级联分类器的组成及分析 | 第31-32页 |
| ·级联分类器的训练过程 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 基于双阈值和内部结构调整的AdaBoost算法 | 第34-46页 |
| ·基于双阈值的AdaBoost算法 | 第34-36页 |
| ·单阈值构造弱分类器的缺点 | 第34页 |
| ·双阈值构造弱分类器 | 第34-35页 |
| ·实验分析 | 第35-36页 |
| ·基于弱分类器内部结构调整的AdaBoost算法 | 第36-45页 |
| ·弱分类器内部结构调整 | 第37-38页 |
| ·内部结构调整最佳参数选择 | 第38-39页 |
| ·调整验证 | 第39页 |
| ·基于弱分类器内部结构调整的AdaBoost算法 | 第39-41页 |
| ·实验分析 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 4 基于运动目标提取和多摄像机区域匹配的AdaBoost算法 | 第46-69页 |
| ·运动目标检测 | 第46-55页 |
| ·帧差法 | 第46-48页 |
| ·背景减法 | 第48-51页 |
| ·光流法 | 第51-54页 |
| ·几种运动目标检测算法的比较 | 第54-55页 |
| ·基于简单背景减法和改进AdaBoost算法的人头检测 | 第55-60页 |
| ·AdaBoost算法与运动目标检测结合的优势 | 第55-56页 |
| ·基于简单背景减法与改进AdaBoost算法的人头检测算法 | 第56-57页 |
| ·实验分析 | 第57-60页 |
| ·区域匹配 | 第60-63页 |
| ·基于运动目标提取和多摄像机区域匹配的AdaBoost人头检测 | 第63-68页 |
| ·基于运动目标提取和多摄像机区域匹配的AdaBoost算法的具体流程 | 第63-65页 |
| ·实验分析 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 5 结论和展望 | 第69-71页 |
| ·本文工作总结 | 第69-70页 |
| ·研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录 | 第76页 |
