| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 本文的研究背景、目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 运动目标检测的研究现状 | 第14页 |
| 1.2.2 运动目标跟踪的研究现状 | 第14页 |
| 1.2.3 特征提取的研究现状 | 第14页 |
| 1.2.4 人体异常行为识别方法的研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 结构安排 | 第16-18页 |
| 第二章 运动目标检测 | 第18-26页 |
| 2.1 运动目标检测方法 | 第18-20页 |
| 2.1.1 光流法 | 第18页 |
| 2.1.2 帧差法 | 第18-19页 |
| 2.1.3 背景差分法 | 第19-20页 |
| 2.2 背景建模 | 第20-22页 |
| 2.2.1 平均背景建模 | 第20页 |
| 2.2.2 码本背景建模 | 第20页 |
| 2.2.3 双模型背景建模 | 第20-22页 |
| 2.3 图像后处理 | 第22-24页 |
| 2.4 本章总结 | 第24-26页 |
| 第三章 运动目标的跟踪 | 第26-34页 |
| 3.1 运动目标跟踪的常用算法 | 第26-28页 |
| 3.2 粒子滤波算法 | 第28-31页 |
| 3.2.1 特征提取 | 第28-30页 |
| 3.2.2 基于颜色和边缘特征的粒子滤波跟踪算法 | 第30-31页 |
| 3.3 实验结果 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第四章 基于动静态特征结合的改进FSVM行为识别 | 第34-42页 |
| 4.1 特征选取 | 第34-36页 |
| 4.2 支持向量机 | 第36-38页 |
| 4.2.1 支持向量机理论 | 第36-37页 |
| 4.2.2 核函数 | 第37-38页 |
| 4.3 改进的模糊支持向量机 | 第38-40页 |
| 4.3.1 基于距离和密度的隶属度函数 | 第38-39页 |
| 4.3.2 改进的模糊支持向量机算法 | 第39页 |
| 4.3.3 k近邻法 | 第39-40页 |
| 4.4 实验结果与分析 | 第40-41页 |
| 4.4.1 支持向量机算法 | 第40页 |
| 4.4.2 本文改进的算法 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于Hu矩和纹理特征结合的人体异常行为识别 | 第42-48页 |
| 5.1 纹理特征和Hu矩的特征提取 | 第42-44页 |
| 5.2 模式相似性度量 | 第44-46页 |
| 5.2.1 距离测量 | 第44-45页 |
| 5.2.2 匹配测量 | 第45-46页 |
| 5.2.3 相似测量 | 第46页 |
| 5.3 模板匹配 | 第46页 |
| 5.4 实验结果与分析 | 第46-47页 |
| 5.5 两种方法实验结果比较 | 第47页 |
| 5.6 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-52页 |
| 6.1 工作总结 | 第48-49页 |
| 6.2 工作展望 | 第49-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间取得的研究成果 | 第56-58页 |
| 致谢 | 第58-59页 |
| 个人简况及联系方式 | 第59-60页 |