| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究目的及意义 | 第8-9页 |
| 1.2 国内外智能视频研究现状以及相关算法研究 | 第9-11页 |
| 1.2.1 国内外智能视频研究现状 | 第9页 |
| 1.2.2 头肩检测算法研究现状 | 第9-10页 |
| 1.2.3 运动目标检测算法研究现状 | 第10-11页 |
| 1.3 本文研究内容 | 第11页 |
| 1.4 本文组织结构 | 第11-13页 |
| 第二章 主从摄像机联动标定过程及实验 | 第13-27页 |
| 2.1 摄像机成像原理 | 第13-17页 |
| 2.1.1 四个基本坐标系 | 第13-14页 |
| 2.1.2 四个坐标系间的变换 | 第14-16页 |
| 2.1.3 针孔摄像机成像模型 | 第16-17页 |
| 2.2 鱼眼摄像机成像模型 | 第17-20页 |
| 2.3 PTZ摄像机的数学模型 | 第20-22页 |
| 2.3.1 PTZ摄像机介绍 | 第20-21页 |
| 2.3.2 PTZ摄像机旋转模型 | 第21-22页 |
| 2.4 主从摄像机联动标定算法 | 第22-26页 |
| 2.4.1 主从摄像机联动标定原理 | 第22-24页 |
| 2.4.2 摄像机联动标定具体过程 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于改进ViBe的运动目标检测算法 | 第27-42页 |
| 3.1 运动目标检测常用算法介绍 | 第27-29页 |
| 3.1.1 帧间差分法 | 第27-28页 |
| 3.1.2 背景差分法 | 第28页 |
| 3.1.3 背景建模法 | 第28-29页 |
| 3.2 ViBe算法 | 第29-33页 |
| 3.2.1 ViBe算法概述 | 第29-30页 |
| 3.2.2 ViBe算法基本原理 | 第30页 |
| 3.2.3 背景模型建立及初始化 | 第30-31页 |
| 3.2.4 前景提取 | 第31-32页 |
| 3.2.5 背景模型更新 | 第32-33页 |
| 3.3 ViBe算法的改进 | 第33-39页 |
| 3.3.1 ViBe算法“死区”抑制 | 第35-37页 |
| 3.3.2 阴影去除 | 第37-39页 |
| 3.4 实验与数据分析 | 第39-41页 |
| 3.4.1“死区”抑制实验 | 第39-40页 |
| 3.4.2 阴影去除实验 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于机器学习的行人头肩检测算法 | 第42-66页 |
| 4.1 头肩检测特征提取及描述 | 第42-52页 |
| 4.1.1 Haar-Like特征 | 第42-43页 |
| 4.1.2 LBP特征 | 第43-45页 |
| 4.1.3 HOG特征 | 第45-48页 |
| 4.1.4 ORB特征 | 第48-50页 |
| 4.1.5 积分图 | 第50-52页 |
| 4.2 基于两阶段分类的行人头肩检测算法 | 第52-57页 |
| 4.2.1 AdaBoost算法与级联分类器 | 第52-54页 |
| 4.2.2 SVM分类算法 | 第54-56页 |
| 4.2.3 基于AdaBoost算法和SVM算法的头肩检测算法 | 第56-57页 |
| 4.3 实验与数据分析 | 第57-65页 |
| 4.3.1 数据的收集 | 第57-60页 |
| 4.3.2 训练过程 | 第60-61页 |
| 4.3.3 实验以及结果 | 第61-64页 |
| 4.3.4 行人头肩检测与捕捉系统实现 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 研究结论 | 第66页 |
| 5.2 研究展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 个人简历 在读期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |