| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究的背景和意义 | 第11-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·智能视觉分析系统 | 第12-13页 |
| ·智能视觉分析算法 | 第13-14页 |
| ·达芬奇技术 | 第14-17页 |
| ·主要研究内容 | 第17-18页 |
| ·本文的结构安排 | 第18-19页 |
| 第2章 运动目标检测与跟踪 | 第19-46页 |
| ·引言 | 第19-22页 |
| ·本文的运动目标检测 | 第22-31页 |
| ·视频帧预处理 | 第22-25页 |
| ·基于概率统计的分块背景建模以及动态阈值的目标检测 | 第25-31页 |
| ·检测实验结果分析 | 第31-34页 |
| ·低照度下运动目标检测实验 | 第31-32页 |
| ·虚景条件下运动目标检测实验 | 第32-33页 |
| ·阴影条件下运动目标检测实验 | 第33-34页 |
| ·基于多特征融合的多目标跟踪算法 | 第34-46页 |
| ·检测结果修正 | 第35-41页 |
| ·基于形状及位置特征预测的目标跟踪 | 第41-42页 |
| ·基于索引颜色直方图的目标跟踪 | 第42-43页 |
| ·实验结果分析 | 第43-46页 |
| 第3章 基于Ada-Boost的人体识别 | 第46-70页 |
| ·引言 | 第46-48页 |
| ·样本集构造以及特征提取 | 第48-56页 |
| ·样本集的建立 | 第49-50页 |
| ·Haar特征提取及积分图计算 | 第50-52页 |
| ·运动信息提取 | 第52-53页 |
| ·本文的特征提取方式 | 第53-56页 |
| ·基于Ada-Boost的智能识别 | 第56-65页 |
| ·Ada-Boost算法原理 | 第56-57页 |
| ·基于Ada-Boost算法的特征学习 | 第57-62页 |
| ·级联分类器 | 第62-65页 |
| ·实验结果及分析 | 第65-70页 |
| ·基于稀疏特征粒子的Haar特征提取 | 第66-68页 |
| ·识别实验分析 | 第68-70页 |
| 第4章 算法移植优化封装 | 第70-88页 |
| ·引言 | 第70-71页 |
| ·达芬奇处理器及其软件开发技术 | 第71-77页 |
| ·Da Vinci~(TM)处理器TMS320DM6446 | 第71-75页 |
| ·达芬奇软件技术 | 第75-77页 |
| ·Da Vinci~(TM)平台优化 | 第77-83页 |
| ·算法优化 | 第77-78页 |
| ·代码优化 | 第78-80页 |
| ·积分图计算优化 | 第80-82页 |
| ·CACHE和DMA优化 | 第82-83页 |
| ·DSP算法封装 | 第83-88页 |
| ·算法标准 | 第83-84页 |
| ·xDAIS算法接口设计 | 第84-88页 |
| 第5章 总结与展望 | 第88-90页 |
| ·研究工作总结 | 第88-89页 |
| ·展望 | 第89-90页 |
| 参考文献 | 第90-95页 |
| 致谢 | 第95-96页 |
| 攻读学位期间参加的科研项目和成果 | 第96页 |