摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第8-15页 |
1.1 课题研究背景及意义 | 第8-10页 |
1.1.1 课题研究背景 | 第8-9页 |
1.1.2 课题研究意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 运动目标检测研究现状 | 第10-11页 |
1.2.2 行人检测研究现状 | 第11-12页 |
1.2.3 行人行为分析研究现状 | 第12页 |
1.3 课题主要研究内容 | 第12-13页 |
1.4 本文组织结构 | 第13-15页 |
第二章 理论与技术基础 | 第15-28页 |
2.1 颜色模型 | 第15-17页 |
2.2 运动目标检测难点与常用方法 | 第17-21页 |
2.2.1 运动目标检测难点 | 第17-18页 |
2.2.2 运动目标检测常用方法 | 第18-21页 |
2.3 行人检测难点与常用方法 | 第21-22页 |
2.3.1 行人检测难点 | 第21页 |
2.3.2 行人检测常用方法 | 第21-22页 |
2.4 行人行为分析难点与常用方法 | 第22-23页 |
2.4.1 行人行为分析难点 | 第22页 |
2.4.2 行人行为分析常用方法 | 第22-23页 |
2.5 其他相关技术基础 | 第23-27页 |
2.6 本章小结 | 第27-28页 |
第三章 运动目标检测 | 第28-41页 |
3.1 背景建模 | 第28-32页 |
3.1.1 常用背景建模概述 | 第28-30页 |
3.1.2 基于图像分块与均值法的背景建模 | 第30-31页 |
3.1.3 实验结果与分析 | 第31-32页 |
3.2 运动前景检测与背景更新 | 第32-37页 |
3.2.1 基于改进背景差分法的运动目标检测算法 | 第32-34页 |
3.2.2 基于图像分块与当前帧自适应权重背景更新 | 第34-36页 |
3.2.3 算法的实现 | 第36-37页 |
3.3 实验结果分析 | 第37-40页 |
3.3.1 运动目标检测对比实验 | 第37-39页 |
3.3.2 算法的定量分析 | 第39-40页 |
3.4 本章小结 | 第40-41页 |
第四章 基于多特征融合的行人检测 | 第41-55页 |
4.1 行人检测整体框架 | 第41-42页 |
4.2 目标的多特征提取 | 第42-48页 |
4.2.1 改进的多尺度HOG特征 | 第42-46页 |
4.2.2 改进颜色自相似度CSSF特征 | 第46-47页 |
4.2.3 偏最小二乘降维方法 | 第47-48页 |
4.3 基于Adaboost分类器构建 | 第48-50页 |
4.4 实验结果与分析 | 第50-54页 |
4.4.1 行人识别实验 | 第51-52页 |
4.4.2 客观评价实验 | 第52-54页 |
4.5 本章小结 | 第54-55页 |
第五章 行人异常行为检测 | 第55-64页 |
5.1 运动人体标识 | 第55页 |
5.2 基于MeanShift算法的运动人体跟踪 | 第55-57页 |
5.3 运动人体多特征提取 | 第57-60页 |
5.3.1 行人形状特征 | 第57-58页 |
5.3.2 行人运动轨迹特征 | 第58-60页 |
5.4 基于多特征的人体异常行为检测分析 | 第60-63页 |
5.4.1 异常摔倒行为检测分析 | 第60-61页 |
5.4.2 异常徘徊行为检测分析 | 第61-62页 |
5.4.3 异常跑步行为检测分析 | 第62-63页 |
5.5 本章小结 | 第63-64页 |
第六章 智能视频监控系统设计与实现 | 第64-80页 |
6.1 系统设计框架 | 第64-70页 |
6.1.1 系统设计方案 | 第64-67页 |
6.1.2 关键技术 | 第67-70页 |
6.2 系统运行与检测结果 | 第70-79页 |
6.2.1 运动目标检测与行人检测结果与分析 | 第71-72页 |
6.2.2 异常摔倒行为检测结果与分析 | 第72-74页 |
6.2.3 异常徘徊行为检测结果与分析 | 第74-75页 |
6.2.4 异常跑步行为检测结果与分析 | 第75-77页 |
6.2.5 系统运行结果 | 第77-79页 |
6.3 本章小结 | 第79-80页 |
第七章 结论与展望 | 第80-82页 |
参考文献 | 第82-86页 |
致谢 | 第86-87页 |
作者在攻读硕士学位期间学术成果 | 第87页 |