| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 课题背景和研究意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 智能视频监控系统的研究现状 | 第10-12页 |
| 1.2.2 异常行为的研究现状 | 第12-13页 |
| 1.3 本文结构和主要研究内容 | 第13-15页 |
| 第二章 运动目标的提取 | 第15-33页 |
| 2.1 图像预处理 | 第15-18页 |
| 2.1.1 图像灰度变换 | 第15-16页 |
| 2.1.2 图像平滑处理 | 第16页 |
| 2.1.3 数学形态学处理 | 第16-18页 |
| 2.2 常用的运动目标提取方法 | 第18-22页 |
| 2.2.1 光流法 | 第18-19页 |
| 2.2.2 帧差法 | 第19-21页 |
| 2.2.3 背景差分法 | 第21-22页 |
| 2.3 帧差法与背景差分法相结合 | 第22-28页 |
| 2.3.1 改进帧差法的背景建模法 | 第22-23页 |
| 2.3.2 背景差分法提取运动目标 | 第23-24页 |
| 2.3.3 基于图像相关性的快速自适应的背景更新法 | 第24-28页 |
| 2.4 投射阴影的消除 | 第28-32页 |
| 2.4.1 基于 HSV 颜色空间的阴影检测算法 | 第28-30页 |
| 2.4.2 基于 FNCC 的阴影检测算法 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 运动目标的跟踪 | 第33-44页 |
| 3.1 常用目标跟踪算法分类 | 第33-35页 |
| 3.1.1 基于特征匹配的目标跟踪 | 第33-34页 |
| 3.1.2 基于区域的目标跟踪 | 第34页 |
| 3.1.3 基于模型的目标跟踪 | 第34页 |
| 3.1.4 基于边缘点轮廓线的跟踪 | 第34-35页 |
| 3.2 基于 Kalman 滤波的特征匹配跟踪算法 | 第35-43页 |
| 3.2.1 Kalman 滤波器的基本原理 | 第35-37页 |
| 3.2.2 基于 Kalman 滤波器的预测模型 | 第37-38页 |
| 3.2.3 算法描述及实现 | 第38-41页 |
| 3.2.4 实验结果及分析 | 第41-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 异常行为的检测与分析 | 第44-59页 |
| 4.1 行为识别常用方法 | 第44-47页 |
| 4.1.1 基于模板匹配的方法 | 第44-46页 |
| 4.1.2 基于状态空间的方法 | 第46-47页 |
| 4.2 运动目标的标识与几何特征提取 | 第47-50页 |
| 4.2.1 运动目标的标识 | 第47-48页 |
| 4.2.2 运动目标的几何特征提取 | 第48-50页 |
| 4.3 基于几何特征分析的异常行为识别 | 第50-58页 |
| 4.3.1 不明滞留物的异常检测 | 第51-53页 |
| 4.3.2 移出物的异常检测 | 第53-55页 |
| 4.3.3 越线检测与可疑逗留检测 | 第55-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 系统平台的设计与实现 | 第59-64页 |
| 5.1 智能视频异常行为监控系统平台的组成 | 第59-61页 |
| 5.1.1 编码与解码模块 | 第59页 |
| 5.1.2 用户客户端模块 | 第59-60页 |
| 5.1.3 数据库存储模块 | 第60页 |
| 5.1.4 异常行为检测算法模块 | 第60-61页 |
| 5.2 系统的平台界面及说明 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-68页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第68-69页 |
| 致谢 | 第69页 |