| 摘要 | 第3-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 研究背景 | 第10-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究内容与创新点 | 第13-14页 |
| 1.3 章节安排 | 第14-16页 |
| 第二章 行人观察系统中前景提取与摘要提取技术分析 | 第16-30页 |
| 2.1 引言 | 第16-17页 |
| 2.2 前景检测算法 | 第17-23页 |
| 2.2.1 基于像素的前景提取算法 | 第18-20页 |
| 2.2.2 基于区域的前景提取算法 | 第20-23页 |
| 2.3 视频摘要提取 | 第23-29页 |
| 2.3.1 视频摘要的应用现状 | 第24-25页 |
| 2.3.2 视频摘要提取技术 | 第25-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于 SLBP-AM 的前景检测算法 | 第30-55页 |
| 3.1 引言 | 第30-31页 |
| 3.2 局部二值模式 | 第31-34页 |
| 3.2.1 LBP 旋转不变性 | 第31-32页 |
| 3.2.2 LBP 均匀模式 | 第32-33页 |
| 3.2.3 LBP 单调不变性 | 第33-34页 |
| 3.3 SLBP-AM 前景提取算法 | 第34-49页 |
| 3.3.1 算法架构 | 第34-36页 |
| 3.3.2 算法原理 | 第36-43页 |
| 3.3.3 实验仿真与分析 | 第43-49页 |
| 3.4 SLBP-AM 算法时间性能的优化 | 第49-53页 |
| 3.4.1 基于背景模型个数的优化(B-SLBP-AM 算法) | 第50-51页 |
| 3.4.2 基于直方图维度的优化(CS-SLBP-AM 算法) | 第51-52页 |
| 3.4.3 实验仿真与分析 | 第52-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 行人观察视频分析系统设计与实现 | 第55-80页 |
| 4.1 引言 | 第55-56页 |
| 4.2 行人观察视频分析系统设计 | 第56-61页 |
| 4.2.1 系统概述 | 第56-57页 |
| 4.2.2 行人观察部分设计 | 第57-60页 |
| 4.2.3 视频搜索部分设计 | 第60-61页 |
| 4.3 行人观察技术 | 第61-68页 |
| 4.3.1 行人检测算法 | 第62-64页 |
| 4.3.2 颜色属性描述 | 第64-68页 |
| 4.4 实验仿真与平台实现 | 第68-78页 |
| 4.4.1 系统平台展示 | 第68-69页 |
| 4.4.2 系统功能展示 | 第69-76页 |
| 4.4.3 系统性能分析 | 第76-78页 |
| 4.5 本章小结 | 第78-80页 |
| 第五章 总结与展望 | 第80-82页 |
| 5.1 总结 | 第80-81页 |
| 5.2 展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间已发表或录用的论文 | 第87-88页 |
| 附件 | 第88-90页 |