| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究现状 | 第9-13页 |
| 1.1.1 火灾事件检测 | 第11-12页 |
| 1.1.2 智能安全监控 | 第12-13页 |
| 1.2 本论文的主要工作 | 第13页 |
| 1.3 章节安排 | 第13-14页 |
| 第二章 火灾事件检测 | 第14-37页 |
| 2.1 火灾检测的主要方法 | 第14-20页 |
| 2.1.1 火焰检测的常用方法 | 第16-18页 |
| 2.1.2 烟雾检测的常用方法 | 第18-20页 |
| 2.2 火焰的检测 | 第20-29页 |
| 2.2.1 颜色空间的选择 | 第20-23页 |
| 2.2.2 基于四元数的颜色表示 | 第23-24页 |
| 2.2.3 四元滤波器组的构造 | 第24-27页 |
| 2.2.4 火焰检测的框架和流程 | 第27-29页 |
| 2.3 烟雾的检测 | 第29-35页 |
| 2.3.1 烟雾检测的框架 | 第29-30页 |
| 2.3.2 烟雾区域的颜色波动 | 第30-32页 |
| 2.3.3 烟雾区域的纹理特征 | 第32-34页 |
| 2.3.4 烟雾区域识别 | 第34-35页 |
| 2.4 火灾检测系统的实验结果 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 针对TRECVID 的机场安全事件检测 | 第37-68页 |
| 3.1 隐马尔可夫模型 | 第38-42页 |
| 3.1.1 HMM 模型 | 第38-42页 |
| 3.2 预处理和特征提取 | 第42-48页 |
| 3.2.1 基于运动历史图像的前景提取 | 第42-43页 |
| 3.2.2 人体的分割和识别 | 第43-46页 |
| 3.2.3 多目标跟踪 | 第46-48页 |
| 3.2.4 运动轨迹的生成和特征提取 | 第48页 |
| 3.3 基于HMM 的机场安全事件检测 | 第48-60页 |
| 3.3.1 HMM 模型的构建 | 第49-50页 |
| 3.3.2 HMM 模型的训练 | 第50-51页 |
| 3.3.3 针对TRECVID 机场监控视频的安全事件识别 | 第51-52页 |
| 3.3.4 各种不同事件的模型和参数 | 第52-56页 |
| 3.3.5 离散HMM 和复杂语义事件的识别 | 第56-60页 |
| 3.4 实验和结论 | 第60-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 总结与展望 | 第68-70页 |
| 4.1 总结与结论 | 第68页 |
| 4.2 后续研究方向展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 符号与标记（附录1） | 第74-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间已发表或录用的论文 | 第76-78页 |