| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 智能视频监控系统简介 | 第12-14页 |
| 1.3 相关领域发展现状 | 第14-17页 |
| 1.3.1 智能监控系统发展现状 | 第14-15页 |
| 1.3.2 计算机视觉相关技术发展现状 | 第15-16页 |
| 1.3.3 OpenCV 简介 | 第16页 |
| 1.3.4 安卓平台简介 | 第16-17页 |
| 1.4 论文内容与难点 | 第17页 |
| 1.5 论文章节结构 | 第17-18页 |
| 第2章 图像预处理与后处理 | 第18-25页 |
| 2.1 图像预处理 | 第18-23页 |
| 2.1.1 噪声去除 | 第18-21页 |
| 2.1.2 运动估计与补偿 | 第21-23页 |
| 2.2 图像后处理 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 运动目标识别算法 | 第25-40页 |
| 3.1 帧间差分法 | 第25-26页 |
| 3.2 光流法 | 第26-28页 |
| 3.3 背景差分法 | 第28-35页 |
| 3.3.1 自适应背景模型 | 第28页 |
| 3.3.2 运动历史模型 | 第28-29页 |
| 3.3.3 高斯模型 | 第29页 |
| 3.3.4 码本模型 | 第29-31页 |
| 3.3.5 视频背景提取模型 | 第31-35页 |
| 3.4 差分法各种模型效果比较 | 第35-37页 |
| 3.4.1 评价指标说明 | 第35页 |
| 3.4.2 实验参数 | 第35-36页 |
| 3.4.3 实验结果 | 第36-37页 |
| 3.5 对 ViBe 算法导致的“鬼影”现象的改进 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 人体识别与烟雾识别 | 第40-45页 |
| 4.1 人体识别 | 第40-42页 |
| 4.1.1 基于人体比例关系的人体识别 | 第40-41页 |
| 4.1.2 实验结果 | 第41-42页 |
| 4.2 烟雾识别 | 第42-44页 |
| 4.2.1 常用烟雾识别算法 | 第43-44页 |
| 4.2.2 实验结果 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 第5章 安卓平台下的系统实现 | 第45-50页 |
| 5.1 安卓平台开发环境简介 | 第45页 |
| 5.2 Android OpenCV | 第45-47页 |
| 5.2.1 Android OpenCV 简介 | 第45-46页 |
| 5.2.2 在安卓应用程序中调用 OpenCV | 第46-47页 |
| 5.3 智能监控系统设计 | 第47页 |
| 5.4 系统运行结果 | 第47-50页 |
| 第6章 总结与研究展望 | 第50-51页 |
| 6.1 工作总结 | 第50页 |
| 6.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |