| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要内容和创新点 | 第13-14页 |
| 1 4 本文组织结构 | 第14-15页 |
| 第二章 多摄像机下目标检测与跟踪相关技术简介 | 第15-23页 |
| 2.1 运动目标检测 | 第15-17页 |
| 2.1.1 帧间差分法 | 第15页 |
| 2.1.2 背景减除法 | 第15-16页 |
| 2.1.3 高斯背景建模法 | 第16-17页 |
| 2.2 运动目标关联 | 第17-19页 |
| 2.2.1 卡尔曼滤波 | 第17-19页 |
| 2.2.2 模板匹配 | 第19页 |
| 2.3 特征提取 | 第19-23页 |
| 2.3.1 颜色直方图 | 第19-20页 |
| 2.3.2 纹理特征 | 第20-21页 |
| 2.3.3 直方图匹配 | 第21-23页 |
| 第三章 单摄像机下的多目标跟踪方法 | 第23-35页 |
| 3.1 引言 | 第23页 |
| 3.2 适应快速运动的Kalman滤波修正 | 第23-24页 |
| 3.3 融合运动估计的符号化多目标跟踪 | 第24-29页 |
| 3.3.1 基本原理 | 第24-25页 |
| 3.3.2 对象匹配 | 第25-27页 |
| 3.3.3 新目标初始化 | 第27-28页 |
| 3.3.4 合并碎片 | 第28-29页 |
| 3.4 遮挡处理 | 第29-30页 |
| 3.4.1 遮挡判断 | 第29页 |
| 3.4.2 模板匹配 | 第29页 |
| 3.4.3 Kalman滤波修正的模板匹配 | 第29-30页 |
| 3.5 实验结果及分析 | 第30-34页 |
| 3.6 总结 | 第34-35页 |
| 第四章 多摄像机下同一目标的特征匹配与识别 | 第35-45页 |
| 4.1 引言 | 第35-37页 |
| 4.2 特征抽取 | 第37-39页 |
| 4.2.1 预处理 | 第37页 |
| 4.2.2 特征抽取 | 第37-38页 |
| 4.2.3 基于贪心策略的子块匹配 | 第38-39页 |
| 4.3 显著性学习 | 第39-40页 |
| 4.4 行人重匹配 | 第40-41页 |
| 4.4.1 不使用显著性的子块匹配算法 | 第41页 |
| 4.4.2 加入显著性 | 第41页 |
| 4.5 实验 | 第41-44页 |
| 4.5.1 数据库 | 第41-42页 |
| 4.5.2 实验方法 | 第42页 |
| 4.5.3 不确定性减少比例( Proportion of Uncertainty Removed,PUR) | 第42-43页 |
| 4.5.4 实验结果 | 第43-44页 |
| 4.6 结束语 | 第44-45页 |
| 第五章 多摄像机下同一目标的连续跟踪 | 第45-55页 |
| 5.1 引言 | 第45页 |
| 5.2 目标的时空约束 | 第45-50页 |
| 5.2.1 多摄像头的进出口区域聚类 | 第47-48页 |
| 5.2.2 转移时间概率估计 | 第48-50页 |
| 5.2.3 基于时空约束的多摄像头目标识别 | 第50页 |
| 5.3 实验结果及分析 | 第50-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 多摄像机智能监控系统实现 | 第55-63页 |
| 6.1 引言 | 第55页 |
| 6.2 系统算法框架设计 | 第55-56页 |
| 6.3 智能识别存储服务器的具体实现 | 第56-60页 |
| 6.4 视频分析存储服务器的前后端整体技术框架 | 第60-62页 |
| 6.5 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| 7.1 本文总结 | 第63-64页 |
| 7.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 作者攻读学位期间发表的学术论文目录 | 第69页 |