| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 智能视觉监控系统 | 第12-14页 |
| 1.2.2 人形识别技术 | 第14-17页 |
| 1.3 施工现场安全监控中人形识别的难点及问题 | 第17页 |
| 1.4 论文的主要研究内容及创新点 | 第17-18页 |
| 1.5 论文的结构安排 | 第18-20页 |
| 第二章 人形识别相关技术概述 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 人形识别基本框架概述 | 第20-22页 |
| 2.3 视频图像预处理 | 第22-24页 |
| 2.4 判别函数理论 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于自适应混合高斯模型的时空信息联合目标检测 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 目标检测的主流算法 | 第29-33页 |
| 3.2.1 光流法 | 第29-30页 |
| 3.2.2 帧间差分法 | 第30-31页 |
| 3.2.3 背景建模法 | 第31-33页 |
| 3.3 一种基于自适应混合高斯模型的时空信息联合目标检测算法 | 第33-37页 |
| 3.3.1 基于自适应混合高斯模型的背景建模方法 | 第33-35页 |
| 3.3.2 基于颜色统计直方图的时空信息联合目标分割 | 第35-37页 |
| 3.3.3 基于自适应混合高斯模型的时空信息联合目标检测算法 | 第37页 |
| 3.4 实验结果与分析 | 第37-41页 |
| 3.4.1 几种目标检测算法的检测效果比较 | 第37-39页 |
| 3.4.2 本文提出的目标检测算法的实际效果 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 特征选择与特征优化 | 第42-54页 |
| 4.1 引言 | 第42页 |
| 4.2 特征选择 | 第42-49页 |
| 4.2.1 底层特征 | 第43-45页 |
| 4.2.2 统计特征 | 第45-47页 |
| 4.2.3 组合特征 | 第47-49页 |
| 4.3 一种基于MSE准则的特征优化方法 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-53页 |
| 4.4.1 几种典型特征的性能比较 | 第50-51页 |
| 4.4.2 经过特征优化后的性能比较 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 基于判别函数理论的目标分类识别 | 第54-71页 |
| 5.1 引言 | 第54页 |
| 5.2 分段线性分类器的设计 | 第54-61页 |
| 5.2.1 可分性 | 第55-56页 |
| 5.2.2 单目标优化方法 | 第56-58页 |
| 5.2.3 多目标优化方法 | 第58-60页 |
| 5.2.4 增量学习框架 | 第60-61页 |
| 5.3 一种基于Max-Min可分的增量分段线性分类器设计 | 第61-65页 |
| 5.3.1 样本预分类 | 第62-63页 |
| 5.3.2 增量算法 | 第63-65页 |
| 5.3.3 分类决策 | 第65页 |
| 5.4 一种基于多面体可分的组合分段线性分类器设计 | 第65-69页 |
| 5.4.1 线性分类器设计 | 第65-67页 |
| 5.4.2 分段线性分类器设计 | 第67-69页 |
| 5.5 实验结果与分析 | 第69-70页 |
| 5.5.1 增量分类器的性能分析 | 第69-70页 |
| 5.5.2 组合分类器的性能分析 | 第70页 |
| 5.5.3 本文提出的两种分类器的性能比较 | 第70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 人形识别在施工现场中的验证 | 第71-78页 |
| 6.1 实验内容及方法 | 第71-72页 |
| 6.2 实验结果分析 | 第72-78页 |
| 第七章 总结与展望 | 第78-80页 |
| 致谢 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间取得的成果 | 第86-87页 |
