| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 引言 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-13页 |
| 1.3 文章的主要研究内容 | 第13-15页 |
| 1.4 文章的组织结构 | 第15-17页 |
| 第二章 遗留物品检测和识别中的行人和物品检测及目标跟踪 | 第17-31页 |
| 2.1 遗留物品检测和识别中的行人检测 | 第17-20页 |
| 2.1.1 基于背景差法的行人检测 | 第17-18页 |
| 2.1.2 基于帧间差分法的行人检测 | 第18-19页 |
| 2.1.3 遗留物品检测和识别方法中行人检测的实验结果 | 第19-20页 |
| 2.2 遗留物品检测和识别中的物品检测 | 第20-23页 |
| 2.2.1 基于双重方向背景模型的前景检测算法 | 第20-22页 |
| 2.2.2 前景检测实验 | 第22-23页 |
| 2.3 遗留物品检测和识别中的行人跟踪 | 第23-29页 |
| 2.3.1 基于MeanShift的行人跟踪 | 第24-26页 |
| 2.3.2 基于卡尔曼滤波的行人跟踪的后处理 | 第26-28页 |
| 2.3.3 行人跟踪实验 | 第28-29页 |
| 2.4 实验所用技术简介 | 第29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于区域信息的遗留物品检测方法 | 第31-43页 |
| 3.1 遗留物品检测算法的主要描述 | 第31-32页 |
| 3.2 遗留物品检测算法中区域信息的相关定义 | 第32-34页 |
| 3.3 遗留物品检测算法具体步骤 | 第34-36页 |
| 3.4 遗留物品检测算法步骤分析 | 第36-37页 |
| 3.5 遗留物品检测算法的实验结果 | 第37-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于PCA不变矩的遗留物品识别新方法 | 第43-65页 |
| 4.1 物品图像的预处理 | 第43-45页 |
| 4.2 几何仿射不变矩 | 第45-46页 |
| 4.2.1 物品图像的几何放射变换 | 第45页 |
| 4.2.2 不变矩描述 | 第45-46页 |
| 4.3 基于主成分分析法的特征降维 | 第46-49页 |
| 4.4 基于最小距离分类器的物品匹配 | 第49-50页 |
| 4.5 基于PCA不变矩的遗留物品识别算法 | 第50-52页 |
| 4.5.1 算法框架 | 第50页 |
| 4.5.2 算法过程和步骤 | 第50-52页 |
| 4.6 遗留物品识别算法的实验结果 | 第52-64页 |
| 4.6.1 算法应用于视频中的实验结果 | 第53-56页 |
| 4.6.2 算法对于不同视角下的遗留物品识别实验结果 | 第56-62页 |
| 4.6.3 算法性能实验结果与分析 | 第62-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 基于分布式架构的实时视频遗留物品检测和识别模型 | 第65-71页 |
| 5.1 现有的集中式实时视频监控模型的不足 | 第65-66页 |
| 5.2 基于分布式架构的遗留物品检测和识别模型 | 第66-67页 |
| 5.3 集中式和分布式遗留物品检测和识别模型的性能对比实验 | 第67-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 论文总结 | 第71-72页 |
| 6.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 研究生期间发表论文及参加科研情况说明 | 第79-81页 |
| 致谢 | 第81页 |
