低分辨率监控视频下的可疑人员检测方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本文研究的内容及安排 | 第13-15页 |
| 2 目标检测及提取方法 | 第15-27页 |
| 2.1 基于图像分割的目标检测及提取方法 | 第15-19页 |
| 2.1.1 基于活动轮廓的图像分割 | 第15页 |
| 2.1.2 基于聚类的图像分割 | 第15-17页 |
| 2.1.3 GrabCut 和基于能量的图像分割 | 第17-19页 |
| 2.2 运动目标检测及提取方法 | 第19-26页 |
| 2.2.1 帧间差分法 | 第19-21页 |
| 2.2.2 背景减除法 | 第21-25页 |
| 2.2.3 光流法 | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 行人检测及特征提取方法 | 第27-37页 |
| 3.1 基于 HOG 的行人检测 | 第27-30页 |
| 3.1.1 HOG 特征 | 第27页 |
| 3.1.2 方法的总体介绍 | 第27-30页 |
| 3.2 全局特征提取方法 | 第30-33页 |
| 3.2.1 颜色特征 | 第30-32页 |
| 3.2.2 纹理特征 | 第32页 |
| 3.2.3 形状特征 | 第32-33页 |
| 3.3 局部特征提取方法 | 第33-37页 |
| 3.3.1 SIFT 特征提取与匹配 | 第33-34页 |
| 3.3.2 SURF 特征提取与匹配 | 第34-37页 |
| 3.4 本章小结 | 第37页 |
| 4 低分辨率下的行人检测及分类方法 | 第37-46页 |
| 4.1 本文的技术路线 | 第37-38页 |
| 4.2 行人提取 | 第38-41页 |
| 4.2.1 背景建模 | 第38-39页 |
| 4.2.2 行人轮廓提取 | 第39-40页 |
| 4.2.3 HOG 行人提取 | 第40页 |
| 4.2.4 Grab Cut 图像分割 | 第40-41页 |
| 4.3 行人特征提取 | 第41-43页 |
| 4.3.1 全局特征提取 | 第41-42页 |
| 4.3.2 局部特征提取 | 第42-43页 |
| 4.4 基于 SVM 的行人分类 | 第43-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 可疑人员检测方法的设计与实现 | 第46-65页 |
| 5.1 实验视频采集 | 第46-47页 |
| 5.2 实验平台 | 第47-48页 |
| 5.3 系统实现 | 第48-55页 |
| 5.3.1 行人提取 | 第48-53页 |
| 5.3.2 行人特征提取 | 第53-54页 |
| 5.3.3 行人分类 | 第54-55页 |
| 5.4 实验结果 | 第55-64页 |
| 结论 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72页 |
| 发表的硕士论文 | 第72-73页 |
