| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究的背景与意义 | 第8页 |
| ·基于视频目标检索的智能监控的发展与研究 | 第8-11页 |
| ·智能监控的发展 | 第8-9页 |
| ·智能监控的研究现状 | 第9-10页 |
| ·智能监控的应用 | 第10-11页 |
| ·本文研究内容及组织结构 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第2章 基于视频目标检索的智能监控系统 | 第13-21页 |
| ·引言 | 第13页 |
| ·运动目标提取 | 第13-15页 |
| ·运动目标检测方法 | 第14-15页 |
| ·基本运动检测方法的比较与分析 | 第15页 |
| ·运动目标的特征表示 | 第15-17页 |
| ·运动目标特征描述方法 | 第16页 |
| ·特征描述方法的比较与分析 | 第16-17页 |
| ·运动目标的跟踪 | 第17-18页 |
| ·运动目标跟踪方法 | 第17-18页 |
| ·跟踪方法的比较与分析 | 第18页 |
| ·运动目标的分类识别 | 第18-21页 |
| ·运动目标的分类方法 | 第19-20页 |
| ·分类方法的比较与分析 | 第20-21页 |
| 第3章 基于视频目标检索的图像特征提取 | 第21-33页 |
| ·引言 | 第21页 |
| ·形态学图像分析原理及应用 | 第21-24页 |
| ·形态学图像分析范围 | 第21-22页 |
| ·腐蚀与膨胀 | 第22-23页 |
| ·开运算与闭运算 | 第23-24页 |
| ·基于形状的图像特征的研究 | 第24-33页 |
| ·形状特征的表达与描述 | 第25-28页 |
| ·形状特征的提取方法 | 第28-30页 |
| ·实验结果数据分析 | 第30-33页 |
| 第4章 支持向量机在基于视频目标检索的图像分类中应用 | 第33-45页 |
| ·引言 | 第33页 |
| ·支持向量机原理 | 第33-39页 |
| ·机器学习 | 第34页 |
| ·统计学习理论 | 第34-36页 |
| ·支持向量机理论 | 第36-39页 |
| ·训练软件LibSVM 的介绍 | 第39-41页 |
| ·支持向量机在基于视频目标检索的图像分类中的应用 | 第41-45页 |
| ·基于支持向量机的运动目标识别过程 | 第41-42页 |
| ·实验结果及分析 | 第42-45页 |
| 第5章 基于视频目标检索的运动目标行为识别 | 第45-54页 |
| ·引言 | 第45页 |
| ·基于分类结果的识别过程 | 第45-48页 |
| ·识别对象的特征信息描述 | 第46页 |
| ·识别对象的时间约束性描述 | 第46-47页 |
| ·识别对象的空间位置描述 | 第47页 |
| ·运动物体行为识别规则设定 | 第47-48页 |
| ·基于视频目标检索的运动目标行为识别系统 | 第48-54页 |
| ·系统简介 | 第48-49页 |
| ·系统设计方案 | 第49页 |
| ·系统基本功能展示 | 第49-54页 |
| 第6章 总结与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·研究展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 摘要 | 第59-61页 |
| Abstract | 第61-63页 |