| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 视频监控系统的发展 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 智能视频监控系统 | 第13-14页 |
| 1.3.2 视频异常事件检测 | 第14-15页 |
| 1.4 研究思路与研究内容 | 第15-17页 |
| 1.5 组织结构 | 第17-18页 |
| 第二章 运动目标检测 | 第18-28页 |
| 2.1 运动目标检测方法介绍 | 第18-21页 |
| 2.1.1 帧差分法 | 第18-19页 |
| 2.1.2 光流法 | 第19-20页 |
| 2.1.3 背景差分法 | 第20-21页 |
| 2.2 改进的光流法 | 第21-24页 |
| 2.2.1 基于Lucas-Kanade的光流法 | 第21-22页 |
| 2.2.2 基于金字塔的LK光流法 | 第22-24页 |
| 2.3 运动检测仿真结果与分析 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 目标特征种类的选择与目标特征提取 | 第28-48页 |
| 3.1 特征种类的选择 | 第28-29页 |
| 3.2 空间特征角点提取 | 第29-32页 |
| 3.3 运动特征提取 | 第32-37页 |
| 3.3.1 特征点平均速度 | 第32-34页 |
| 3.3.2 特征点平均加速度 | 第34-35页 |
| 3.3.3 恃征点总能量 | 第35-37页 |
| 3.4 纹理特征提取 | 第37-47页 |
| 3.4.1 快速傅里叶变换 | 第38-39页 |
| 3.4.2 GLCM理论 | 第39-40页 |
| 3.4.3 纹理特征量的提取和优化 | 第40-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 视频异常事件检测研究的实现 | 第48-58页 |
| 4.1 系统开发环境及总体结构 | 第48-50页 |
| 4.1.1 Visual Studio 2013简要介绍 | 第48页 |
| 4.1.2 OpenCV计算机视觉库简要介绍 | 第48-49页 |
| 4.1.3 异常事件检测系统框架 | 第49-50页 |
| 4.2 监控视频异常事件检测实验 | 第50-51页 |
| 4.2.1 SVM分类器 | 第50页 |
| 4.2.2 训练及检测样本选择 | 第50-51页 |
| 4.2.3 实验流程 | 第51页 |
| 4.3 实验结果与分析 | 第51-57页 |
| 4.4 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-59页 |
| 5.1 全文总结 | 第58页 |
| 5.2 后续工作 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表论文情况 | 第65页 |