视频监控中运动目标检测与分类识别方法的研究与实验
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·运动目标检测技术的研究现状 | 第9-10页 |
| ·目标分类技术的研究现状 | 第10-11页 |
| ·本文主要研究工作 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 视频监控实验系统总体结构 | 第13-20页 |
| ·视频监控实验系统的硬件组成及其性能简介 | 第13-14页 |
| ·视频监控软件的总体结构 | 第14-18页 |
| ·采用的开发平台和开发方法 | 第14-15页 |
| ·软件的源码体系 | 第15-17页 |
| ·软件系统的主界面 | 第17-18页 |
| ·小结 | 第18-20页 |
| 第三章 视频图像采集、记录软件模块的改进及实现 | 第20-26页 |
| ·图像采集、记录及控制函数的说明 | 第20-22页 |
| ·图像采集函数 | 第20-21页 |
| ·图像记录及控制函数 | 第21-22页 |
| ·监控软件的操作流程分析及改进方法 | 第22-25页 |
| ·软件操作流程分析 | 第22-23页 |
| ·软件自动控制方面的改进与实现 | 第23-24页 |
| ·视频图像记录方式的改进与实现 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第四章 图像预处理模块的设计与实现 | 第26-32页 |
| ·影响视频图像质量的原因分析 | 第26页 |
| ·椒盐噪声的抑制 | 第26-28页 |
| ·中值滤波的优点 | 第26-27页 |
| ·中值滤波的基本原理 | 第27页 |
| ·椒盐噪声的抑制结果 | 第27-28页 |
| ·图像毛刺边缘的抑制 | 第28-30页 |
| ·毛刺边缘的产生原因 | 第28-29页 |
| ·图像毛刺边缘的抑制 | 第29-30页 |
| ·图像预处理函数说明 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第五章 运动目标检测方法的设计与实现 | 第32-45页 |
| ·背景减除法的基本原理 | 第32-33页 |
| ·单高斯背景模型估计算法的实验分析 | 第33-35页 |
| ·基本原理 | 第33-34页 |
| ·实验结果分析 | 第34-35页 |
| ·单高斯背景模型更新策略的改进与实现 | 第35-40页 |
| ·更新策略的改进思想 | 第35-36页 |
| ·单高斯背景模型改进算法的实现 | 第36-40页 |
| ·基于阴影光学特性的阴影去除方法的设计与实现 | 第40-44页 |
| ·阴影消除的必要性 | 第40-41页 |
| ·阴影的光学特性分析 | 第41页 |
| ·基于阴影光学特性的阴影去除方法的设计 | 第41-42页 |
| ·阴影去除方法的实现 | 第42-44页 |
| ·实验结果 | 第44页 |
| ·小结 | 第44-45页 |
| 第六章 运动人体识别方法的初步研究 | 第45-63页 |
| ·分类问题的提出 | 第45页 |
| ·常用目标分类方法的比较 | 第45-46页 |
| ·基于形状信息的分类方法 | 第45-46页 |
| ·基于运动特性的分类方法 | 第46页 |
| ·形状特征的选择与定义 | 第46-51页 |
| ·常用的形状特征 | 第46-47页 |
| ·运动人体形状特征的选择 | 第47-51页 |
| ·比例特征提取方法的设计与实现 | 第51-55页 |
| ·常用的轮廓提取方法 | 第51-53页 |
| ·实验结果比较 | 第53-55页 |
| ·比例特征的获取 | 第55页 |
| ·分类器的设计 | 第55-56页 |
| ·分类器的选择 | 第55页 |
| ·判别函数的定义 | 第55-56页 |
| ·特征训练 | 第56页 |
| ·分类算法的实现与性能分析 | 第56-60页 |
| ·分类算法的总体流程 | 第56-58页 |
| ·分类准确性的提高方法 | 第58-59页 |
| ·处理速度的提高方法 | 第59页 |
| ·算法适用性分析 | 第59-60页 |
| ·分类识别算法相关函数说明 | 第60-62页 |
| ·轮廓提取算法相关函数说明 | 第60-61页 |
| ·特征提取及识别相关函数说明 | 第61-62页 |
| ·小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·本文主要工作总结 | 第63-64页 |
| ·后续工作展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 致谢 | 第67-68页 |
| 在读期间取得的科研成果 | 第68页 |
