| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 智能视频监控技术应用 | 第11-12页 |
| 1.2 智能视频监控原理 | 第12-14页 |
| 1.3 智能视频监控研究现状 | 第14-16页 |
| 1.4 主要工作与安排 | 第16-18页 |
| 第二章 监控图像预处理 | 第18-27页 |
| 2.1 图像去噪 | 第18-22页 |
| 2.1.1 噪声模型 | 第18-20页 |
| 2.1.2 去噪方法 | 第20-22页 |
| 2.2 形态学处理 | 第22-25页 |
| 2.2.1 腐蚀与膨胀 | 第22-23页 |
| 2.2.2 开运算与闭运算 | 第23-25页 |
| 2.3 图像边缘检测 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 运动目标检测方法研究 | 第27-41页 |
| 3.1 常用运动目标检测算法 | 第27-30页 |
| 3.1.1 相邻帧差法 | 第28页 |
| 3.1.2 光流法 | 第28-29页 |
| 3.1.3 背景差法 | 第29-30页 |
| 3.1.4 不同检测方法的适用性分析 | 第30页 |
| 3.2 改进的运动目标检测算法 | 第30-37页 |
| 3.2.1 改进的帧差法 | 第30-33页 |
| 3.2.2 自适应混合高斯模型法 | 第33-35页 |
| 3.2.3 融合改进帧差法与自适应混合高斯模型的目标检测方法 | 第35-37页 |
| 3.3 实验结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 运动目标跟踪方法研究 | 第41-57页 |
| 4.1 常用运动目标跟踪方法 | 第42-44页 |
| 4.1.1 基于特征的目标跟踪方法 | 第42页 |
| 4.1.2 基于活动轮廓的目标跟踪方法 | 第42页 |
| 4.1.3 基于模型的目标跟踪方法 | 第42-43页 |
| 4.1.4 基于预测的目标跟踪方法 | 第43页 |
| 4.1.5 不同跟踪方法的适用性分析 | 第43-44页 |
| 4.2 粒子滤波的基本原理 | 第44-49页 |
| 4.2.1 离散贝叶斯滤波系统 | 第44-46页 |
| 4.2.2 蒙特卡洛采样(Monte Carlo Sampling) | 第46页 |
| 4.2.3 贝叶斯重要性采样(Importance Sampling) | 第46-48页 |
| 4.2.4 粒子滤波的算法描述 | 第48-49页 |
| 4.3 基于自适应多特征融合的粒子滤波目标跟踪方法 | 第49-54页 |
| 4.3.1 目标特征选取 | 第49-52页 |
| 4.3.2 距离度量 | 第52页 |
| 4.3.3 跟踪算法设计 | 第52-54页 |
| 4.4 实验结果与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 基于FPGA的目标检测算法实现 | 第57-66页 |
| 5.1 FPGA简介 | 第57-59页 |
| 5.2 FPGA实现改进帧差法 | 第59-63页 |
| 5.3 FPGA算法处理资源分析 | 第63-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 本论文的主要内容 | 第66-67页 |
| 6.2 未来的工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 攻读硕士期间主要科研成果 | 第74-75页 |
