智能视频监控中运动人体异常行为的自动检测与识别算法的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 研究现状及发展趋势 | 第10-11页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 发展趋势 | 第11页 |
| 1.3 本文研究内容和章节安排 | 第11-13页 |
| 1.3.1 本文主要研究内容 | 第11-12页 |
| 1.3.2 本文章节安排 | 第12-13页 |
| 第二章 视频和图像处理技术 | 第13-23页 |
| 2.1 视频与数字图像的获取 | 第13-16页 |
| 2.1.1 视频和图像的关系 | 第13页 |
| 2.1.2 颜色模型 | 第13-16页 |
| 2.2 数字图像处理基础 | 第16-22页 |
| 2.2.1 数学形态学图像处理 | 第16-18页 |
| 2.2.2 图像增强 | 第18-20页 |
| 2.2.3 边缘检测 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 运动目标检测 | 第23-38页 |
| 3.1 概述 | 第23-24页 |
| 3.2 运动目标检测的一般方法 | 第24-29页 |
| 3.2.1 帧间差分法 | 第24-26页 |
| 3.2.2 背景差分法 | 第26-27页 |
| 3.2.3 光流法 | 第27-29页 |
| 3.3 帧间差分法与背景差分法结合 | 第29-33页 |
| 3.3.1 背景建模及前景提取 | 第29-31页 |
| 3.3.2 背景更新 | 第31-33页 |
| 3.4 前景图像的后期处理 | 第33-37页 |
| 3.4.1 区域生长 | 第33-34页 |
| 3.4.2 阴影消除 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 运动目标跟踪 | 第38-49页 |
| 4.1 常用的目标跟踪方法 | 第38-40页 |
| 4.1.1 基于主动轮廓线的跟踪 | 第38-39页 |
| 4.1.2 基于模型的跟踪 | 第39页 |
| 4.1.3 基于区域的跟踪 | 第39-40页 |
| 4.1.4 基于特征的跟踪 | 第40页 |
| 4.2 卡尔曼滤波器 | 第40-43页 |
| 4.2.1 卡尔曼滤波原理 | 第40-41页 |
| 4.2.2 卡尔曼滤波器数学模型 | 第41-43页 |
| 4.3 基于多特征匹配的区域跟踪方法 | 第43-48页 |
| 4.3.1 基于卡尔曼滤波器的目标预测 | 第43-45页 |
| 4.3.2 基于多特征匹配的区域跟踪 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 运动人体异常行为的分析 | 第49-61页 |
| 5.1 人体行为分析方法概述 | 第49-50页 |
| 5.1.1 人体行为解释方法 | 第49-50页 |
| 5.1.2 人体行为识别方法 | 第50页 |
| 5.2 运动人体分析 | 第50-54页 |
| 5.2.1 运动人体表示方法 | 第50-51页 |
| 5.2.2 运动人体的特征提取 | 第51-54页 |
| 5.3 基于特征的运动人体异常行为分析 | 第54-60页 |
| 5.3.1 人体奔跑检测 | 第55-56页 |
| 5.3.2 人体病倒检测 | 第56-57页 |
| 5.3.3 人体打架检测 | 第57-58页 |
| 5.3.4 人体徘徊检测 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
