| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-21页 |
| ·引言 | 第12页 |
| ·研究背景 | 第12-15页 |
| ·国内外研究现状 | 第15-20页 |
| ·本文的研究内容 | 第20-21页 |
| 第二章 智能视频监控相关理论知识 | 第21-25页 |
| ·引言 | 第21页 |
| ·前景/背景检测 | 第21-22页 |
| ·背景统计法 | 第21-22页 |
| ·Surendra背景更新算法 | 第22页 |
| ·卡尔曼滤波法 | 第22页 |
| ·背景模型法 | 第22页 |
| ·目标检测 | 第22-23页 |
| ·目标跟踪 | 第23-24页 |
| ·运动轨迹分析 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 形状匹配在智能视频监控系统中的应用 | 第25-32页 |
| ·引言 | 第25页 |
| ·形状匹配算法简述 | 第25-26页 |
| ·形状表示方法 | 第26-29页 |
| ·链码 | 第27页 |
| ·样条 | 第27-28页 |
| ·多边形逼近 | 第28-29页 |
| ·基于尺度空间特征点提取技术 | 第29页 |
| ·基于各种不变量的形状匹配方法 | 第29页 |
| ·基于局部特性的形状匹配方法人脸 | 第29-30页 |
| ·人脸形状匹配概述 | 第30页 |
| ·Shape Context算法及其应用 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 Shape Context形状匹配算法的改进 | 第32-51页 |
| ·引言 | 第32页 |
| ·基本的Shape Context算法 | 第32-35页 |
| ·改进的Shape Context算法 | 第35-37页 |
| ·预处理 | 第37-40页 |
| ·扩散滤波 | 第37-39页 |
| ·边缘增强 | 第39-40页 |
| ·边界提取 | 第40-44页 |
| ·对数极坐标变换 | 第44-45页 |
| ·对数极坐标直方图的计算 | 第45-46页 |
| ·直方图的计算方法 | 第45-46页 |
| ·归一化处理 | 第46页 |
| ·Cost值的计算 | 第46页 |
| ·相匹配的点集的获取 | 第46-47页 |
| ·Shape Context在智能视频监控系统中的应用 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验与结果分析 | 第51-63页 |
| ·引言 | 第51页 |
| ·Shape Context的实现 | 第51-55页 |
| ·处理流程 | 第51页 |
| ·宏和一些常量的定义 | 第51-52页 |
| ·边界提取的实现 | 第52-53页 |
| ·对数极坐标变换的实现 | 第53-54页 |
| ·Cost值计算的实现 | 第54-55页 |
| ·Shape Context算法演示程序 | 第55页 |
| ·实验结果 | 第55-62页 |
| ·相似形状匹配实验 | 第56-58页 |
| ·人脸形状匹配实验 | 第58-62页 |
| ·实验结果分析 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 在智能视频监控中的Shape Context算法 | 第63-79页 |
| ·引言 | 第63-64页 |
| ·全IP网络智能视频监控系统 | 第64-74页 |
| ·系统架构 | 第64-66页 |
| ·系统详细说明 | 第66-70页 |
| ·数据传输流程 | 第70-74页 |
| ·人脸检测跟踪及报警 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-83页 |
| ·总结 | 第79-80页 |
| ·未来工作展望 | 第80-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士期间主要研究成果 | 第89-90页 |
| 致谢 | 第90页 |
