| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-21页 |
| ·引言 | 第10-11页 |
| ·视频监控系统的发展与现状 | 第11-13页 |
| ·智能视频监控中的关键技术和研究现状 | 第13-18页 |
| ·智能视频监控技术组成 | 第13-15页 |
| ·静态场景下的目标检测跟踪算法 | 第15-16页 |
| ·动态场景中的运动目标检测算法 | 第16-17页 |
| ·目标的识别、行为分析和理解 | 第17-18页 |
| ·实际应用中面临的问题 | 第18-19页 |
| ·实时性 | 第18页 |
| ·鲁棒性 | 第18-19页 |
| ·监控系统的评估 | 第19页 |
| ·课题研究的工作内容安排 | 第19-21页 |
| 第二章 静摄像机情况下的运动目标检测 | 第21-34页 |
| ·运动目标检测算法概述 | 第21-30页 |
| ·相邻帧差法 | 第21-22页 |
| ·背景差法 | 第22-27页 |
| ·光流法 | 第27-29页 |
| ·混合的算法 | 第29-30页 |
| ·基于混合高斯模型的运动目标检测算法 | 第30-34页 |
| ·背景模型的建立和更新 | 第30-32页 |
| ·运动目标的检测和提取 | 第32-34页 |
| 第三章 动摄像机情况下的运动目标检测 | 第34-59页 |
| ·动摄像机情况下目标检测方法综述 | 第34-42页 |
| ·基于摄像机建模运动补偿的目标检测 | 第34-38页 |
| ·基于光流场的动目标检测 | 第38-39页 |
| ·基于联合方法的目标检测 | 第39-40页 |
| ·基于灭点（focus of expansion）的目标分割 | 第40页 |
| ·基于马尔科夫的运动目标检测 | 第40-41页 |
| ·基于RBF 神经网络的复杂背景下的运动目标检测 | 第41-42页 |
| ·基于SIFT 特征匹配的目标检测算法 | 第42-52页 |
| ·SIFT 特征 | 第42-48页 |
| ·基于SIFT 特征匹配和动态背景建模的动目标检测算法 | 第48-50页 |
| ·基于SIFT 特征匹配和运动历史图的运动目标检测 | 第50-52页 |
| ·试验结果及分析 | 第52-59页 |
| ·基于SIFT 特征匹配和动态背景建模的运动目标检测试验结果 | 第53-55页 |
| ·基于SIFT 特征匹配和运动历史图的运动目标检测试验结果 | 第55-57页 |
| ·试验分析 | 第57-58页 |
| ·试验结论 | 第58-59页 |
| 第四章 运动轨迹分析 | 第59-75页 |
| ·研究背景及现状 | 第59-62页 |
| ·研究背景 | 第59-60页 |
| ·研究现状 | 第60-62页 |
| ·基于DTW 和K-均值聚类的轨迹分析 | 第62-68页 |
| ·相似度测量方法简述 | 第62-64页 |
| ·动态时间归正技术（DTW） | 第64-66页 |
| ·轨迹分析算法 | 第66-68页 |
| ·基于轨迹分析的人及车辆异常行为检测 | 第68-75页 |
| ·轨迹聚类仿真试验结果及分析 | 第68-70页 |
| ·现实场景中的行为轨迹分析实验结果及分析 | 第70-74页 |
| ·实验结论 | 第74-75页 |
| 结束语 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-89页 |
| 作者在学期间取得的学术成果 | 第89页 |
