| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本课题的研究背景和工程意义 | 第10-12页 |
| 1.1.1 本课题的研究背景 | 第10-11页 |
| 1.1.2 本课题的工程意义 | 第11-12页 |
| 1.2 监控视频系统研究及发展现状 | 第12-14页 |
| 1.3 本文的主要贡献 | 第14页 |
| 1.4 本文的主要研究内容与论文安排 | 第14-16页 |
| 第二章 监控视频中目标的检测与辨识方法分析 | 第16-24页 |
| 2.1 监控视频目标检测方法 | 第16-19页 |
| 2.1.1 差分法 | 第16-18页 |
| 2.1.2 光流法 | 第18页 |
| 2.1.3 基于模板匹配的目标检测方法 | 第18-19页 |
| 2.1.4 基于统计学习的目标检测方法 | 第19页 |
| 2.2 监控视频目标辨识方法 | 第19-23页 |
| 2.2.1 视频目标跟踪方法 | 第19-21页 |
| 2.2.2 视频目标识别方法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 监控视频中特定目标的检测方法的研究与实现 | 第24-45页 |
| 3.1 监控视频中的目标检测框架 | 第24页 |
| 3.2 视频目标图像预处理 | 第24-28页 |
| 3.2.1 灰度化 | 第24-26页 |
| 3.2.2 直方图均衡化 | 第26-27页 |
| 3.2.3 中值滤波 | 第27-28页 |
| 3.3 基于HOG特征提取和SVM的视频行人检测算法实现 | 第28-37页 |
| 3.3.1 HOG特征 | 第28-30页 |
| 3.3.2 基于SVM的视频行人检测算法实现 | 第30-37页 |
| 3.4 基于Harr特征提取和CS-Adaboost视频人脸检测算法实现 | 第37-42页 |
| 3.4.1 Harr特征 | 第37-39页 |
| 3.4.2 基于CS-Adaboost人脸检测算法实现 | 第39-42页 |
| 3.5 实验及结果分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 监控视频中特定目标的辨识方法的研究与实现 | 第45-64页 |
| 4.1 监控视频中的目标跟踪方法 | 第45-53页 |
| 4.1.1 基于感知哈希算法的行人目标跟踪算法实现 | 第45-49页 |
| 4.1.2 基于时空上下文的目标人脸的快速跟踪算法实现 | 第49-53页 |
| 4.2 监控视频中的目标识别方法 | 第53-58页 |
| 4.2.1 LBP特征 | 第53-56页 |
| 4.2.2 基于PCA的视频人脸识别 | 第56-58页 |
| 4.3 实验及结果分析 | 第58-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 监控视频中特定目标的报警系统设计与实现 | 第64-75页 |
| 5.1 智能视频监控系统简述 | 第64页 |
| 5.2 报警系统软件设计 | 第64-70页 |
| 5.2.1 需求分析 | 第64-66页 |
| 5.2.2 软件功能模块设计 | 第66-68页 |
| 5.2.3 开发环境配置 | 第68-70页 |
| 5.3 报警系统应用软件实现 | 第70-74页 |
| 5.3.1 软件UI及功能简介 | 第70-72页 |
| 5.3.2 报警系统功能测试 | 第72-74页 |
| 5.4 本章小结 | 第74-75页 |
| 第六章 全文总结和展望 | 第75-77页 |
| 6.1 全文总结 | 第75页 |
| 6.2 后续工作展望 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |
| 攻读硕士学位期间取得的成果 | 第80-81页 |
