| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 课题的国内外研究现状 | 第9-13页 |
| 1.2.1 人体行为识别在国内外的研究现状 | 第9-10页 |
| 1.2.2 关键技术的研究现状 | 第10-13页 |
| 1.3 人体行为识别技术的发展趋势 | 第13-14页 |
| 1.4 本文组织结构 | 第14-15页 |
| 2 相关图像处理技术 | 第15-24页 |
| 2.1 图像格式转换 | 第15-16页 |
| 2.2 图像去噪 | 第16-17页 |
| 2.3 形态学处理 | 第17-19页 |
| 2.4 图像阈值处理 | 第19-22页 |
| 2.5 图像阴影处理 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 运动目标检测 | 第24-34页 |
| 3.1 经典目标检测算法 | 第24-27页 |
| 3.1.1 背景差法 | 第24-25页 |
| 3.1.2 帧差法 | 第25-26页 |
| 3.1.3 光流法 | 第26-27页 |
| 3.1.4 算法比较 | 第27页 |
| 3.2 基于Vi Be的目标检测算法 | 第27-30页 |
| 3.3 结合帧差法改进Vi Be目标检测算法 | 第30-32页 |
| 3.3.1 算法改进流程 | 第30-31页 |
| 3.3.2 光照变化的判断 | 第31-32页 |
| 3.3.3 改进算法的实验仿真与结果分析 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 运动目标跟踪 | 第34-48页 |
| 4.1 目标跟踪常用方法 | 第34页 |
| 4.2 卡尔曼滤波 | 第34-36页 |
| 4.2.1 卡尔曼滤波的基本原理 | 第35-36页 |
| 4.2.2 卡尔曼滤波用于目标跟踪时参数的选择 | 第36页 |
| 4.2.3 卡尔曼滤波的运动估计策略 | 第36页 |
| 4.3 Meanshift运动目标跟踪算法 | 第36-40页 |
| 4.4 Camshift运动目标跟踪算法 | 第40-41页 |
| 4.5 基于卡尔曼滤波估计的Camshift跟踪算法的改进 | 第41-46页 |
| 4.5.1 目标遮挡的判断 | 第42-43页 |
| 4.5.2 改进的Camshift目标跟踪算法流程 | 第43-44页 |
| 4.5.3 改进目标跟踪算法实验仿真结果 | 第44-46页 |
| 4.6 本章小结 | 第46-48页 |
| 5 异常行为识别 | 第48-61页 |
| 5.1 行为识别的常用方法 | 第48-49页 |
| 5.2 行为模板建立 | 第49-55页 |
| 5.2.1 Hu矩特征 | 第49-51页 |
| 5.2.2 运动特征 | 第51-52页 |
| 5.2.3 行为特征的提取 | 第52-55页 |
| 5.3 行为模板匹配 | 第55-60页 |
| 5.3.1 相似性判定 | 第55-56页 |
| 5.3.2 目标行为识别算法流程 | 第56-57页 |
| 5.3.3 实验结果及分析 | 第57-60页 |
| 5.4 本章小结 | 第60-61页 |
| 结论 | 第61-64页 |
| 工作总结 | 第61-62页 |
| 不足与展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第69页 |