| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.3 本文主要工作 | 第10-11页 |
| 1.4 论文章节结构 | 第11-12页 |
| 2 小区运动目标检测的研究 | 第12-17页 |
| 2.1 常用的运动目标检测算法 | 第12-16页 |
| 2.1.1 背景差分法 | 第12-14页 |
| 2.1.2 帧差法 | 第14-15页 |
| 2.1.3 光流法 | 第15-16页 |
| 2.2 本章总结 | 第16-17页 |
| 3 小区行人检测的研究 | 第17-28页 |
| 3.1 基于HOG-LBP特征的行人检测 | 第17-23页 |
| 3.1.1 HOG特征 | 第17-19页 |
| 3.1.2 LBP特征 | 第19-20页 |
| 3.1.3 支持向量机(SVM) | 第20-21页 |
| 3.1.4 SVM分类器的训练与测试 | 第21-23页 |
| 3.2 基于AdaBoost算法和HOG-LBP特征的行人检测 | 第23-25页 |
| 3.2.1 AdaBoost算法 | 第23-25页 |
| 3.2.2 AdaBoost和SVM的结合 | 第25页 |
| 3.3 基于背景相减法和HOG-LBP特征的行人检测 | 第25-26页 |
| 3.4 实验结果分析 | 第26-27页 |
| 3.5 本章总结 | 第27-28页 |
| 4 小区运动目标跟踪的研究 | 第28-35页 |
| 4.1 常用的目标表现方法 | 第28页 |
| 4.2 几种经典的运动目标跟踪算法 | 第28-33页 |
| 4.2.1 均值漂移跟踪算法 | 第28-29页 |
| 4.2.2 压缩跟踪算法 | 第29-30页 |
| 4.2.3 基于时空上下文的跟踪算法 | 第30-32页 |
| 4.2.4 实验结果分析 | 第32-33页 |
| 4.3 本章总结 | 第33-35页 |
| 5 小区异常事件检测的研究 | 第35-45页 |
| 5.1 行人徘徊检测 | 第35-39页 |
| 5.1.1 轨迹信息提取与处理 | 第36页 |
| 5.1.2 基于运动轨迹的数值分析 | 第36-37页 |
| 5.1.3 实验结果分析 | 第37-39页 |
| 5.2 围栏攀爬检测 | 第39-41页 |
| 5.2.1 攀爬检测的特征提取 | 第39-40页 |
| 5.2.2 基于攀爬姿势图像的攀爬检测 | 第40页 |
| 5.2.3 实验结果分析 | 第40-41页 |
| 5.3 物品遗留与搬移检测 | 第41-44页 |
| 5.3.1 混合高斯模型的建模与更新 | 第42页 |
| 5.3.2 物品遗留与搬移检测 | 第42-43页 |
| 5.3.3 实验结果分析 | 第43-44页 |
| 5.4 本章总结 | 第44-45页 |
| 6 总结与展望 | 第45-47页 |
| 6.1 论文总结 | 第45页 |
| 6.2 工作展望 | 第45-47页 |
| 参考文献 | 第47-49页 |
| 攻读硕士学位期间取得的科研成果 | 第49-50页 |
| 致谢 | 第50页 |