多摄像机协作分布式智能视觉监控中若干问题研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 致谢 | 第11-19页 |
| 第一章 概述 | 第19-29页 |
| ·课题研究背景 | 第19-20页 |
| ·智能视觉监控中的关键问题 | 第20-22页 |
| ·Marr计算视觉理论框架 | 第20-21页 |
| ·智能视觉监控的关键问题 | 第21-22页 |
| ·分布式智能视觉监控系统及其关键问题 | 第22-24页 |
| ·系统物理结构及功能 | 第22-23页 |
| ·图像传感器计算资源受限 | 第23-24页 |
| ·多传感器协作监视 | 第24页 |
| ·本文主要工作及论文安排 | 第24-25页 |
| ·本文主要工作 | 第24-25页 |
| ·论文组织 | 第25页 |
| 第一章参考文献 | 第25-29页 |
| 第二章 背景重建及运动检测 | 第29-53页 |
| ·背景重建概述 | 第29-35页 |
| ·影响背景重建的因素 | 第29-30页 |
| ·滤波及线性预测背景重建 | 第30-31页 |
| ·统计模型背景重建 | 第31-34页 |
| ·象素值归类背景重建 | 第34-35页 |
| ·运动目标的检测 | 第35-39页 |
| ·光流法 | 第35-37页 |
| ·帧差法 | 第37-38页 |
| ·背景减法 | 第38页 |
| ·运动目标阴影消除 | 第38-39页 |
| ·形态学滤波及目标分割 | 第39-42页 |
| ·形态学滤波 | 第39-40页 |
| ·目标区域分割 | 第40-42页 |
| ·背景象素值频次最高假设下的背景重建 | 第42-46页 |
| ·背景重构算法描述 | 第42-43页 |
| ·运动检测实验结果分析 | 第43-45页 |
| ·算法适应性讨论 | 第45-46页 |
| ·运动分割结果指导的背景重建 | 第46-50页 |
| ·结合运动分割的背景更新算法的提出 | 第46-47页 |
| ·算法描述 | 第47页 |
| ·运动检测实验结果分析 | 第47-49页 |
| ·算法适用性分析 | 第49-50页 |
| ·本章小结 | 第50页 |
| 第二章参考文献 | 第50-53页 |
| 第三章 单摄像机运动跟踪 | 第53-69页 |
| ·运动跟踪基本问题 | 第53-56页 |
| ·目标的描述 | 第53-54页 |
| ·目标运动模型 | 第54页 |
| ·噪声运动及目标阴影的处理 | 第54-55页 |
| ·运动场景下的目标跟踪 | 第55页 |
| ·多目标跟踪 | 第55-56页 |
| ·运动状态的预测 | 第56-62页 |
| ·卡尔曼预测 | 第56-57页 |
| ·扩展卡尔曼预测 | 第57页 |
| ·卡尔曼预测跟踪系统模型 | 第57-59页 |
| ·卡尔曼预测初始条件的确定 | 第59-60页 |
| ·卡尔曼预测的性能评估 | 第60-62页 |
| ·运动检测与运动搜索相结合的卡尔曼预测多目标跟踪 | 第62-66页 |
| ·算法的提出 | 第62-63页 |
| ·动态目标链及置信度 | 第63-64页 |
| ·目标被背景遮挡的处理 | 第64页 |
| ·目标合并及完全遮挡的处理 | 第64页 |
| ·目标分裂的处理 | 第64页 |
| ·多目标跟踪算法步骤 | 第64-65页 |
| ·多目标跟踪实验结果 | 第65-66页 |
| ·本章小结 | 第66页 |
| 第三章参考文献 | 第66-69页 |
| 第四章 贝叶斯分类器视频人脸检测及跟踪 | 第69-87页 |
| ·人脸检测方法回顾 | 第69-73页 |
| ·基于先验知识的人脸检测 | 第69-70页 |
| ·基于统计模型的人脸检测 | 第70-73页 |
| ·肤色模型与贝叶斯分类器相结合的人脸检测 | 第73-82页 |
| ·颜色空间 | 第73-74页 |
| ·肤色模型的选择 | 第74-77页 |
| ·Bayes分类器的特征选择 | 第77-79页 |
| ·Bayes分类器的训练 | 第79页 |
| ·基于Bayes分类器的人脸检测 | 第79-80页 |
| ·人脸检测算法步骤 | 第80-81页 |
| ·视频人脸检测实验结果 | 第81-82页 |
| ·结合kalman预测的人脸跟踪 | 第82-83页 |
| ·本章小结 | 第83页 |
| 第四章参考文献 | 第83-87页 |
| 第五章 摄像机旋转运动参数的在线标定 | 第87-103页 |
| ·摄像机模型 | 第87-90页 |
| ·小孔成像模型 | 第87-88页 |
| ·摄像机外部参数 | 第88页 |
| ·摄像机内部参数 | 第88-89页 |
| ·透镜畸变 | 第89-90页 |
| ·摄像机标定概述 | 第90-91页 |
| ·基于标定物的传统标定方法 | 第90页 |
| ·摄像机自标定 | 第90-91页 |
| ·主动视觉摄像机标定 | 第91页 |
| ·摄像机旋转运动参数的在线标定 | 第91-99页 |
| ·摄像机的旋转运动 | 第92页 |
| ·旋转矩阵的欧拉角表示 | 第92-93页 |
| ·四元数定义 | 第93-94页 |
| ·旋转矩阵的四元数表示 | 第94-96页 |
| ·视觉监控中旋转矩阵的四元数求解 | 第96-99页 |
| ·本章小结 | 第99页 |
| 第五章参考文献 | 第99-103页 |
| 第六章 身高模型单摄像机目标定位 | 第103-113页 |
| ·引言 | 第103页 |
| ·身高模型单摄像机目标定位原理 | 第103-106页 |
| ·地平面坐标系 | 第103-104页 |
| ·身高模型原理 | 第104-106页 |
| ·基于身高模型的目标定位 | 第106-108页 |
| ·身高模型的获得 | 第106-107页 |
| ·目标横向位置确定 | 第107-108页 |
| ·单摄像机目标定位实验 | 第108-110页 |
| ·本章小结 | 第110-111页 |
| 第六章参考文献 | 第111-113页 |
| 第七章 联盟机制多摄像机协作运动目标跟踪 | 第113-129页 |
| ·多摄像机数据融合概述 | 第113-117页 |
| ·多摄像机数据融合的层次 | 第113-114页 |
| ·目标关联问题及数据同步问题 | 第114页 |
| ·多摄像机跟踪目标轨迹融合 | 第114-117页 |
| ·多摄像机规划策略 | 第117-119页 |
| ·摄像机初始规划与动态规划 | 第117-118页 |
| ·摄像机动态规划策略 | 第118-119页 |
| ·基于能力距离匹配的联盟生成快速算法 | 第119-122页 |
| ·协作监视联盟的描述 | 第119-120页 |
| ·联盟生成快速算法 | 第120-121页 |
| ·联盟生成快速算法仿真实验 | 第121-122页 |
| ·基于数据置信度的加权轨迹融合 | 第122-127页 |
| ·轨迹融合的算法原理 | 第122-124页 |
| ·分段轨迹融合实现 | 第124-125页 |
| ·轨迹融合算法步骤 | 第125-126页 |
| ·轨迹融合实验 | 第126-127页 |
| ·本章小结 | 第127页 |
| 第七章参考文献 | 第127-129页 |
| 第八章 总结与展望 | 第129-132页 |
| ·论文主要工作 | 第129页 |
| ·下一步工作展望 | 第129-132页 |
| ·智能视觉监控系统构建 | 第129-130页 |
| ·开展高层视觉处理 | 第130页 |
| ·完善MAS模型分布式智能视觉监控系统 | 第130-132页 |
| 攻读博士学位期间发表论文情况 | 第132-133页 |
| 攻读博士学位期间参加课题情况 | 第133页 |
