| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-13页 |
| 1.1.1 应用背景 | 第10-12页 |
| 1.1.2 研究目的及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 论文的主要创新点 | 第14-15页 |
| 1.4 本文所做的工作与论文的组织结构 | 第15-17页 |
| 2 运动目标检测方法 | 第17-27页 |
| 2.1 运动目标检测 | 第17-24页 |
| 2.1.1 帧间差分法 | 第17-18页 |
| 2.1.2 背景减除法 | 第18-20页 |
| 2.1.3 光流法 | 第20-21页 |
| 2.1.4 背景建模法 | 第21-24页 |
| 2.2 特征的提取和选择 | 第24-25页 |
| 2.3 行人的行为分析 | 第25-26页 |
| 2.3.1 行人运动时的行为表征 | 第25页 |
| 2.3.2 行人行为模型的建立 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于 active basis 的物体检测 | 第27-38页 |
| 3.1 引言 | 第27页 |
| 3.2 Gabor 滤波器和稀疏编码 | 第27-28页 |
| 3.3 模型的表示：Active Basis 模型 | 第28-30页 |
| 3.4 模型的训练：shared sketch 算法 | 第30-33页 |
| 3.5 检测算法：sum-max maps | 第33-36页 |
| 3.6 本章小结 | 第36-38页 |
| 4 基于 active basis 的行人检测和行为分析 | 第38-55页 |
| 4.1 引言 | 第38-39页 |
| 4.2 实验平台 | 第39-40页 |
| 4.3 实验视频和图像的采集和处理 | 第40-44页 |
| 4.4 基于训练的背景建模的运动目标检测 | 第44-46页 |
| 4.5 基于 active basis 的行人检测与行为分析 | 第46-50页 |
| 4.5.1 基于 sum-max maps 的共享描绘算法 | 第46-47页 |
| 4.5.2 基于 active basis 的行人检测与行为分析的实验 | 第47-50页 |
| 4.6 结果分析 | 第50-54页 |
| 4.6.1 Active basis 和 Adaboost 建模的对比分析 | 第50-52页 |
| 4.6.2 基于 Active basis 的行人检测与行为分析实验结果分析 | 第52-54页 |
| 4.7 本章小结 | 第54-55页 |
| 5 结论与展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 个人简历 | 第62页 |
| 发表的学术论文 | 第62-63页 |
