视频监控系统中人体异常行为的分析研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.4 结构安排 | 第12-13页 |
| 第2章 视频图像采集及预处理 | 第13-21页 |
| 2.1 视频中提取帧图像 | 第13-14页 |
| 2.2 图像增强算法 | 第14-19页 |
| 2.2.1 彩色图像的直方图均衡化 | 第14-15页 |
| 2.2.2 对数变换 | 第15-16页 |
| 2.2.3 伽马变换 | 第16-17页 |
| 2.2.4 拉普拉斯算子 | 第17-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 图像分割算法 | 第21-36页 |
| 3.1 常用的图像分割技术 | 第21-22页 |
| 3.1.1 区域分割算法 | 第21页 |
| 3.1.2 图论分割算法 | 第21-22页 |
| 3.2 GrabCut算法 | 第22-27页 |
| 3.2.1 GraphCut与GrabCut算法 | 第22-23页 |
| 3.2.2 GrabCut图像分割框架 | 第23-27页 |
| 3.3 均值漂移分割算法 | 第27-31页 |
| 3.3.1 均值漂移算法原理 | 第27-30页 |
| 3.3.2 均值漂移算法用于图像分割 | 第30-31页 |
| 3.4 改进的GrabCut算法用于图像分割 | 第31-33页 |
| 3.5 分割结果对比 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 人体异常行为识别 | 第36-55页 |
| 4.1 人体跌倒行为识别 | 第36-42页 |
| 4.1.1 基于模型的识别算法 | 第36-37页 |
| 4.1.2 基于相似度量的方法 | 第37页 |
| 4.1.3 本文行为识别算法 | 第37-42页 |
| 4.2 异常徘徊行为识别 | 第42-44页 |
| 4.2.1 绊线检测算法 | 第42页 |
| 4.2.2 改进的双绊线检测算法 | 第42-44页 |
| 4.3 异常行为识别结果分析 | 第44-54页 |
| 4.3.1 人体跌倒行为识别结果 | 第44-49页 |
| 4.3.2 敏感区域徘徊行为识别结果 | 第49-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 结论 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 作者简介 | 第63-64页 |
| 攻读硕士学位期间研究成果 | 第64页 |
