| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文的研究的主要内容 | 第12页 |
| 1.4 本文的组织结构 | 第12-15页 |
| 第2章 监控视频摘要技术分析 | 第15-19页 |
| 2.1 监控视频摘要原理 | 第15-16页 |
| 2.2 本文的监控视频摘要总体流程设计 | 第16-18页 |
| 2.3 本章小结 | 第18-19页 |
| 第3章 运动物体检测 | 第19-33页 |
| 3.1 传统的运动物体检测方法 | 第19-22页 |
| 3.1.1 背景差分法 | 第19-20页 |
| 3.1.2 帧间差分法 | 第20-21页 |
| 3.1.3 光流法 | 第21-22页 |
| 3.1.4 基于统计学习的方法 | 第22页 |
| 3.2 帧差法结合背景差法实现运动物体检测算法 | 第22-30页 |
| 3.2.1 算法流程 | 第22-23页 |
| 3.2.2 背景建模技术 | 第23-25页 |
| 3.2.3 图像二值化 | 第25-29页 |
| 3.2.4 图像形态学处理 | 第29-30页 |
| 3.3 实验结果及分析 | 第30-31页 |
| 3.4 本章小结 | 第31-33页 |
| 第4章 基于Mean Shift算法的运动物体跟踪 | 第33-49页 |
| 4.1 Mean Shift概述 | 第33-38页 |
| 4.1.1 Mean Shift向量 | 第34-36页 |
| 4.1.2 Mean Shift的物理含义 | 第36-37页 |
| 4.1.3 Mean Shift算法步骤 | 第37-38页 |
| 4.2 Mean Shift算法在目标跟踪中的应用 | 第38-41页 |
| 4.2.1 目标模型表达 | 第38-39页 |
| 4.2.2 候选模型表达 | 第39页 |
| 4.2.3 相似性度量 | 第39-40页 |
| 4.2.4 最优候选目标选择 | 第40页 |
| 4.2.5 Mean Shift算法目标跟踪过程分析 | 第40-41页 |
| 4.3 本文基于Mean Shift改进的跟踪算法 | 第41-45页 |
| 4.3.1 Mean Shift算法的不足 | 第41-42页 |
| 4.3.2 卡尔曼滤波器算法 | 第42-43页 |
| 4.3.3 引入三帧差法和Kalman滤波器改进Mean Shift | 第43-45页 |
| 4.4 实验结果及分析 | 第45-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 视频摘要生成 | 第49-59页 |
| 5.1 对象坐标轨迹优化原理 | 第49-50页 |
| 5.2 基于能量函数的轨迹组合优化 | 第50-51页 |
| 5.3 转移映射能量函数 | 第51-53页 |
| 5.3.1 活动代价函数 | 第51-52页 |
| 5.3.2 相关正逆序代价函数 | 第52页 |
| 5.3.3 碰撞代价函数 | 第52-53页 |
| 5.4 能量目标函数最小化 | 第53-54页 |
| 5.5 视频摘要生成 | 第54-57页 |
| 5.5.1 背景图像生成 | 第54-55页 |
| 5.5.2 像素融合 | 第55-56页 |
| 5.5.3 生成视频摘要 | 第56-57页 |
| 5.6 本章小结 | 第57-59页 |
| 第6章 视频摘要系统的实现 | 第59-69页 |
| 6.1 需求分析 | 第59-60页 |
| 6.2 系统开发环境 | 第60页 |
| 6.3 模块设计 | 第60-65页 |
| 6.3.1 数据结构设计 | 第61-62页 |
| 6.3.2 运动对象提取模块 | 第62-63页 |
| 6.3.3 视频摘要生成模块 | 第63-64页 |
| 6.3.4 快照列表生成模块 | 第64-65页 |
| 6.4 视频摘要系统实现 | 第65-68页 |
| 6.4.1 系统界面 | 第65-66页 |
| 6.4.2 视频摘要生成 | 第66-67页 |
| 6.4.3 对象快照播放 | 第67-68页 |
| 6.5 本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士期间发表的论文 | 第75-77页 |
| 致谢 | 第77页 |
