智能视频监控的目标检测优化与跟踪分析
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 论文主要研究内容 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 图像预处理 | 第12-25页 |
| 2.1 图像二值化 | 第12-15页 |
| 2.1.1 阈值的选取方法 | 第13-15页 |
| 2.1.2 本文阈值选取方法 | 第15页 |
| 2.2 图像增强处理 | 第15-21页 |
| 2.2.1 空域图像增强 | 第16页 |
| 2.2.2 频域图像增强 | 第16页 |
| 2.2.3 本文采用的图像增强方法 | 第16-21页 |
| 2.3 图像的形态学处理 | 第21-24页 |
| 2.3.1 膨胀和腐蚀 | 第21-22页 |
| 2.3.2 开运算和闭运算 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 运动目标检测 | 第25-33页 |
| 3.1 运动目标检测的基本方法 | 第25-27页 |
| 3.1.1 帧间差分法 | 第25-26页 |
| 3.1.2 背景差分法 | 第26-27页 |
| 3.1.3 光流法 | 第27页 |
| 3.2 本文的检测算法 | 第27-32页 |
| 3.2.1 混合高斯背景差分法 | 第28-29页 |
| 3.2.2 本文的算法思想 | 第29-30页 |
| 3.2.3 实验结果分析 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 运动目标分类 | 第33-46页 |
| 4.1 特征的分类 | 第33-35页 |
| 4.1.1 静态特征 | 第33-34页 |
| 4.1.2 动态特征 | 第34-35页 |
| 4.2 目标分类方法 | 第35-36页 |
| 4.3 本文采用的目标分类算法 | 第36-45页 |
| 4.3.1 本文提取的特征 | 第36-38页 |
| 4.3.2 本文采用的分类方法 | 第38-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 运动目标跟踪 | 第46-56页 |
| 5.1 运动目标跟踪算法 | 第46-48页 |
| 5.1.1 基于MeanShift的跟踪算法 | 第46-47页 |
| 5.1.2 基于Kalman滤波的跟踪算法 | 第47页 |
| 5.1.3 基于Blob信息提取的跟踪算法 | 第47-48页 |
| 5.1.4 基于粒子滤波的跟踪算法 | 第48页 |
| 5.2 本文的跟踪算法 | 第48-54页 |
| 5.2.1 卡尔曼滤波算法原理 | 第49-51页 |
| 5.2.2 本文的跟踪分析 | 第51-54页 |
| 5.3 本章小结 | 第54-56页 |
| 第六章 结论与展望 | 第56-58页 |
| 6.1 结论 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63-64页 |
