智能视频监控中的目标检测算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景和意义 | 第9-11页 |
| ·智能视频监控的国内外研究与应用情况 | 第11-13页 |
| ·本文的主要研究工作和结构安排 | 第13-15页 |
| ·本文的主要工作 | 第13页 |
| ·本文结构安排 | 第13-15页 |
| 第二章 目标检测算法综述 | 第15-36页 |
| ·引言 | 第15-17页 |
| ·静态背景下的目标检测 | 第17-31页 |
| ·帧间差分法 | 第18-19页 |
| ·背景减除法 | 第19-27页 |
| ·光流法 | 第27-31页 |
| ·动态背景下的目标检测 | 第31-34页 |
| ·背景运动估计和补偿法 | 第31-34页 |
| ·全景拼接法 | 第34页 |
| ·本章小结 | 第34-36页 |
| 第三章 静态背景下基于ViBE的目标检测 | 第36-46页 |
| ·引言 | 第36页 |
| ·基于ViBE模型及其改进 | 第36-42页 |
| ·像素点背景模型 | 第36-37页 |
| ·背景模型的单帧初始化 | 第37-38页 |
| ·前景检测及背景模型的更新 | 第38-40页 |
| ·基于ViBE算法模型的改进 | 第40-42页 |
| ·目标检测后处理 | 第42页 |
| ·实验结果分析 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于HOG算子的目标检测 | 第46-66页 |
| ·引言 | 第46页 |
| ·基于HOG特征的行人检测 | 第46-55页 |
| ·HOG特征基本描述 | 第49-51页 |
| ·HOG描述子基本单元 | 第51-52页 |
| ·色彩和伽马归一化 | 第52页 |
| ·图像梯度计算 | 第52页 |
| ·单元格直方图统计 | 第52-55页 |
| ·区域块中特征向量的归一化 | 第55页 |
| ·整个检测窗口内HOG的计算 | 第55页 |
| ·机器学习过程 | 第55-58页 |
| ·SVM分类器 | 第55-57页 |
| ·基于AdaBoost的改进行人检测算法 | 第57-58页 |
| ·实验结果分析 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 总结与展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 答辩委员会对论文的评定意见 | 第75页 |
