| ABSTRACT | 第5页 |
| Chapter 1 INTRODUCTION | 第12-18页 |
| 1.1 Backgound | 第12页 |
| 1.2 The definition of the visual surveillance | 第12页 |
| 1.3 Survey in visual surveillance | 第12-13页 |
| 1.4 Application of visual surveillance | 第13-15页 |
| 1.4.1 Access control in special areas | 第13-14页 |
| 1.4.2 Person-specific identification | 第14页 |
| 1.4.3 Crowd flux statistics and congestion analysis | 第14页 |
| 1.4.4 Anomaly detection and alarming | 第14页 |
| 1.4.5 Interactive surveillance using multiple cameras | 第14-15页 |
| 1.5 Motivation | 第15页 |
| 1.6 Thesis objectives | 第15-16页 |
| 1.7 Thesis outline | 第16-18页 |
| Chapter 2 GENERAL FRAMEWORK OF AUTOMATIC SURVEILLANCE | 第18-35页 |
| 2.1 Introduction | 第18页 |
| 2.2 Motion detection | 第18-23页 |
| 2.2.1 Environment modeling | 第19-20页 |
| 2.2.2 Motion segmentation | 第20-22页 |
| 2.2.3 Object classification | 第22-23页 |
| 2.3 Object tracking | 第23-29页 |
| 2.3.1 Region-Based Tracking | 第23页 |
| 2.3.2 Active Contour-Based Tracking | 第23-24页 |
| 2.3.3 Feature-Based Tracking | 第24-25页 |
| 2.3.4 Model-Based Tracking | 第25-29页 |
| 2.4 Understanding and description of behaviors | 第29-32页 |
| 2.4.1 Behavior understanding | 第29-31页 |
| 2.4.2 Description of behaviors | 第31-32页 |
| 2.5 Personal identification | 第32-34页 |
| 2.5.1 Model-Based Methods | 第32-33页 |
| 2.5.2 Statistical Methods | 第33页 |
| 2.5.3 Physical-Parameter-Based Methods | 第33页 |
| 2.5.4 Spatio-Temporal Motion-Based Methods | 第33-34页 |
| 2.5.5 Fusion of gait with other biometrics | 第34页 |
| 2.6 Summary | 第34-35页 |
| Chapter 3 IMAGE SEGMENTATION AND BACKGROUND SUBTRACTION | 第35-49页 |
| 3.1 Introduction | 第35页 |
| 3.2 Image and video segmentation | 第35-41页 |
| 3.2.1 Classification of segmentation algorithms | 第37-39页 |
| 3.2.2 Previous works | 第39-41页 |
| 3.3 Background subtraction | 第41-48页 |
| 3.3.1 Preprocessing | 第42-43页 |
| 3.3.2 Background Modeling | 第43-46页 |
| 3.3.3 Foreground Detection | 第46-47页 |
| 3.3.4 Data Validation | 第47-48页 |
| 3.4 Summary | 第48-49页 |
| Chapter 4 MIXTURE OF GAUSSIAN ALGORITHM | 第49-68页 |
| 4.1 Introduction | 第49页 |
| 4.2 Mixture of Gaussian approach | 第49-50页 |
| 4.3 Description of mixture of Gaussian method | 第50-54页 |
| 4.3.1 Background modeling | 第51-54页 |
| 4.3.2 Foreground Detection | 第54页 |
| 4.4 Mixture of Gaussian algorithm | 第54-57页 |
| 4.5 Experimental results | 第57-64页 |
| 4.5.1 Test sequences | 第58页 |
| 4.5.2 Resulting sequences | 第58-64页 |
| 4.6 Evaluation experiments | 第64-66页 |
| 4.7 Summary | 第66-68页 |
| Chapter 5 TRACKING USING KALMAN FILTER | 第68-92页 |
| 5.1 Introduction | 第68页 |
| 5.2 Object tracking | 第68-71页 |
| 5.3 Taxonomy of tracking methods | 第71-72页 |
| 5.4 Point tracking | 第72-75页 |
| 5.4.1 Deterministic Methods for Correspondence | 第72-74页 |
| 5.4.2 Statistical Methods for Correspondence | 第74-75页 |
| 5.5 Introduction to the Kalman filter | 第75-76页 |
| 5.6 Definition of the Kalman filter | 第76-79页 |
| 5.7 Tracking and predicting motion | 第79-90页 |
| 5.7.1 Initialization of the Kalman filter | 第79-81页 |
| 5.7.2 Application of the Kalman filter on the different videos | 第81-87页 |
| 5.7.3 Evaluation experiment | 第87-90页 |
| 5.8 Summary | 第90-92页 |
| Conclusions and Future Work | 第92-94页 |
| Conclusions | 第92-93页 |
| Future work | 第93-94页 |
| Appendix: EVALUATION EXPERIMENT OF THE KALMAN FILTER | 第94-100页 |
| REFERENCES | 第100-107页 |
| PUBLISHED PAPER | 第107-108页 |
| ACKNOWLEDGEMENT | 第108页 |
