摘要 | 第1-12页 |
ABSTRACT | 第12-13页 |
第一章 绪论 | 第13-18页 |
§1.1 研究的目的和意义 | 第13页 |
§1.2 当前研究的主要成果及存在问题 | 第13-16页 |
·研究现状 | 第13-16页 |
·运动目标检测和提取 | 第14-15页 |
·运动目标跟踪 | 第15-16页 |
·存在的问题 | 第16页 |
§1.3 研究内容及工作安排 | 第16-18页 |
第二章 系统总体设计及辅助模块处理 | 第18-34页 |
§2.1 智能视频监控系统总体设计 | 第18-19页 |
·智能监控系统监控场景描述 | 第18页 |
·智能视频监控系统设计 | 第18-19页 |
§2.2 摄像机及视频采集与分离模块 | 第19-25页 |
·图像获取 | 第19-20页 |
·视频图像分析 | 第20-25页 |
·实时视频图像捕获 | 第20-23页 |
·AVI视频文件分解 | 第23-25页 |
§2.3 图像前端处理模块 | 第25-29页 |
·RGB图像向灰度图像的转换 | 第25-26页 |
·基于小波变换的图像亚采样 | 第26-27页 |
·图像增强 | 第27-29页 |
·常用图像增强算法 | 第27页 |
·直方图均衡化法 | 第27-29页 |
§2.4 云台控制模块 | 第29-33页 |
·云台控制原理 | 第30-31页 |
·串口通信控制 | 第31页 |
·云台控制协议 | 第31-33页 |
§2.5 本章小节 | 第33-34页 |
第三章 视频序列中运动目标检测和提取 | 第34-53页 |
§3.1 引言 | 第34-35页 |
§3.2 运动目标检测技术概述 | 第35-38页 |
·光流法 | 第35页 |
·相邻帧差法 | 第35-36页 |
·背景差法 | 第36页 |
·其它方法 | 第36-38页 |
·基于变化域的方法 | 第36-37页 |
·基于形态学分析的方法 | 第37页 |
·基于匹配的方法 | 第37页 |
·基于时空信息的视频分割算法 | 第37-38页 |
§3.3 基于边缘信息的改进运动目标检测方法 | 第38-47页 |
·图像的边缘检测 | 第38-45页 |
·微分边缘算子 | 第38-44页 |
·其他边缘检测方法 | 第44-45页 |
·基于Canny边缘提取的运动目标检测 | 第45-47页 |
·获取背景边缘图像 | 第45-46页 |
·获取目标边缘图像 | 第46-47页 |
§3.4 后处理以及目标轮廓提取 | 第47-52页 |
·后处理预备知识:数学形态学 | 第47-48页 |
·疏密判断去除背景点 | 第48-49页 |
·提取运动目标模型 | 第49-52页 |
·形态学处理提取目标轮廓 | 第49-50页 |
·运动目标模型提取 | 第50-52页 |
§3.5 本章小节 | 第52-53页 |
第四章 视频序列中运动目标自动跟踪 | 第53-75页 |
§4.1 引言 | 第53页 |
§4.2 目标跟踪技术概述 | 第53-56页 |
·目标跟踪的分类 | 第53-54页 |
·目标跟踪技术 | 第54-56页 |
·基于特征的跟踪方法 | 第54-55页 |
·基于3D的跟踪方法 | 第55页 |
·基于主动轮廓的跟踪方法 | 第55-56页 |
·基于运动估计的跟踪方法 | 第56页 |
§4.3 基于改进Camshift的运动目标跟踪算法 | 第56-67页 |
·基于直方图映射的目标特征描述 | 第57-61页 |
·颜色空间 | 第57-59页 |
·直方图映射算法 | 第59-61页 |
·基于均值移位(Mean-shift)算法的目标定位 | 第61-64页 |
·算法原理 | 第62页 |
·算法流程 | 第62-64页 |
·基于改进Camshift算法的运动目标跟踪 | 第64-66页 |
·实验及结果分析 | 第66-67页 |
§4.4 Kalman滤波器在目标跟踪算法中的应用 | 第67-74页 |
·标准Kalman滤波器 | 第68-71页 |
·待估计的离散线性过程 | 第68-69页 |
·滤波器原理 | 第69-70页 |
·滤波器方程 | 第70-71页 |
·滤波器参数 | 第71页 |
·Kalman滤波器在本目标跟踪系统中的应用 | 第71-73页 |
·实验结果与分析 | 第73-74页 |
§4.5 本章小节 | 第74-75页 |
第五章 总结及展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-86页 |
攻读硕士期间发表的论文 | 第86页 |