| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题背景和研究意义 | 第10-11页 |
| ·视频监控系统的发展与分类 | 第11-13页 |
| ·国内外研究和应用现状 | 第13-15页 |
| ·论文背景和主要工作 | 第15页 |
| ·论文内容安排 | 第15-17页 |
| 第二章 运动目标检测和跟踪算法研究 | 第17-33页 |
| ·引言 | 第17页 |
| ·运动目标检测算法介绍 | 第17-19页 |
| ·光流法 | 第17-18页 |
| ·帧间差分法 | 第18-19页 |
| ·背景差法 | 第19页 |
| ·基于梯度图像帧间差分和背景差分的运动目标检测新方法 | 第19-24页 |
| ·基本思路与流程 | 第19-20页 |
| ·梯度图像生成 | 第20-21页 |
| ·帧间差分 | 第21-22页 |
| ·自适应混合高斯背景模型 | 第22-23页 |
| ·实验结果及分析 | 第23-24页 |
| ·运动目标跟踪算法介绍 | 第24-26页 |
| ·基于边界的方法 | 第24-25页 |
| ·基于区域的方法 | 第25-26页 |
| ·融合Kalman预测和Mean-Shift搜索的运动目标跟踪新方法 | 第26-32页 |
| ·Kalman运动跟踪方法 | 第26-28页 |
| ·基于颜色直方图的Mean-Shift搜索 | 第28-29页 |
| ·Kalman预测和Mean-Shift搜索的融合 | 第29-31页 |
| ·实验结果及分析 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第三章 视频监控中运动对象的行为分析 | 第33-45页 |
| ·引言 | 第33页 |
| ·运动对象行为分析的研究和发展 | 第33-35页 |
| ·几种主要的行为分析方法 | 第35-37页 |
| ·动态时间规整 | 第35页 |
| ·隐马尔可夫模型 | 第35-36页 |
| ·神经网络模型 | 第36-37页 |
| ·基于三层模型的行为分析方法 | 第37-43页 |
| ·信息层:生成的对象描述符 | 第38-40页 |
| ·状态层:检测对象状态 | 第40-42页 |
| ·行为层:行为分析 | 第42-43页 |
| ·实验结果及分析 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第四章 智能视频监控系统原型开发与实验 | 第45-67页 |
| ·引言 | 第45页 |
| ·系统软件框架和处理流程 | 第45-47页 |
| ·算法的DSP实现 | 第47-63页 |
| ·DSP实现的必要性 | 第47-48页 |
| ·数字信号处理器DSP介绍 | 第48-50页 |
| ·算法的DSP移植 | 第50-54页 |
| ·C64x代码开发优化流程 | 第54-63页 |
| ·系统实验结果及说明 | 第63-66页 |
| ·现场背景帧的捕获 | 第63-64页 |
| ·智能行为识别算法规则的设置 | 第64页 |
| ·现场报警信息的记录 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第五章 总结和展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 攻读硕士期间参加的项目和发表的论文 | 第76页 |
