监控视频中运动目标视觉分析
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-16页 |
| ·运动目标检测技术研究现状 | 第12-13页 |
| ·运动目标跟踪技术研究现状 | 第13-15页 |
| ·运动目标分类技术研究现状 | 第15-16页 |
| ·论文的研究内容与贡献 | 第16页 |
| ·论文组织结构 | 第16-18页 |
| 第二章 运动目标检测技术研究 | 第18-30页 |
| ·运动目标检测相关技术 | 第18-20页 |
| ·减背景法的基本原理 | 第18-19页 |
| ·减背景法的研究重点 | 第19-20页 |
| ·本文对运动检测方法的研究 | 第20页 |
| ·基于自适应最优特征值背景模型的运动目标检测 | 第20-27页 |
| ·问题的引出 | 第21-24页 |
| ·自适应最优特征值背景模型 | 第24页 |
| ·背景更新 | 第24-25页 |
| ·前景图像的后处理 | 第25页 |
| ·阴影检测 | 第25-27页 |
| ·实验结果与分析 | 第27-30页 |
| 第三章 运动目标跟踪技术研究 | 第30-46页 |
| ·运动目标跟踪相关技术 | 第30页 |
| ·粒子滤波原理 | 第30-35页 |
| ·贝叶斯滤波原理 | 第31-33页 |
| ·蒙特卡罗方法 | 第33-34页 |
| ·粒子滤波原理 | 第34-35页 |
| ·粒子滤波算法描述 | 第35-36页 |
| ·基于颜色空间分析的粒子滤波多目标跟踪 | 第36-41页 |
| ·算法提出的背景 | 第36页 |
| ·跟踪问题描述 | 第36-37页 |
| ·基于最佳颜色特征空间的运动目标建模 | 第37页 |
| ·粒子建模 | 第37-38页 |
| ·遮挡问题处理 | 第38-39页 |
| ·基于颜色空间分析的粒子滤波多目标跟踪算法过程 | 第39-40页 |
| ·特征提取与融合 | 第40-41页 |
| ·实验结果与分析 | 第41-46页 |
| 第四章 运动目标分类技术研究 | 第46-57页 |
| ·引言 | 第46页 |
| ·运动目标分类相关技术研究 | 第46-50页 |
| ·基于多类支持向量机的分类器 | 第46-47页 |
| ·运动目标特征描述 | 第47-50页 |
| ·基于多类支持向量机的运动目标分类算法 | 第50-54页 |
| ·算法概述 | 第50页 |
| ·特征分析与选取 | 第50-53页 |
| ·分类器构建 | 第53-54页 |
| ·实验结果与分析 | 第54-57页 |
| ·实验结果 | 第54-56页 |
| ·结果分析 | 第56-57页 |
| 第五章 监控视频中运动目标视觉分析原型系统 | 第57-62页 |
| ·原型系统简介 | 第57-59页 |
| ·原型系统结构 | 第57-58页 |
| ·原型系统设计目标 | 第58-59页 |
| ·原型系统的开发与运行环境 | 第59页 |
| ·运动目标检测子模块 | 第59-60页 |
| ·运动目标跟踪子模块 | 第60页 |
| ·运动目标分类子模块 | 第60-62页 |
| 结束语 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 作者在学期间取得的学术成果 | 第69页 |
