| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 智能监控系统及人体识别的发展现状及趋势 | 第8-9页 |
| 1.3 课题的主要内容和工作 | 第9-12页 |
| 第2章 视频图像的预处理 | 第12-19页 |
| 2.1 视频图像的灰度化 | 第12-13页 |
| 2.2 视频图像的滤波 | 第13-16页 |
| 2.2.1 邻域域平均去噪法 | 第13-14页 |
| 2.2.2 中值滤波方法 | 第14-16页 |
| 2.3 颜色直方图特性 | 第16-17页 |
| 2.4 数学形态学处理 | 第17-19页 |
| 2.4.1 腐蚀和膨胀 | 第18页 |
| 2.4.2 开运算和闭运算 | 第18-19页 |
| 第3章 运动目标的提取 | 第19-33页 |
| 3.1 视频图像的背景建模 | 第19-22页 |
| 3.1.1 多帧图像平均背景建模方法 | 第19-20页 |
| 3.1.2 高斯背景建模方法 | 第20-22页 |
| 3.2 运动目标的提取方法 | 第22-26页 |
| 3.2.1 光流法 | 第22-23页 |
| 3.2.2 帧间差分方法 | 第23-24页 |
| 3.2.3 背景差分法 | 第24-26页 |
| 3.3 连通域分析 | 第26-30页 |
| 3.4 目标阴影去除 | 第30-33页 |
| 第4章 运动目标的跟踪与异常行为识别 | 第33-52页 |
| 4.1 基于Mean Shift的目标跟踪算法 | 第33-38页 |
| 4.1.1 Mean Shift目标跟踪算法的基本原理 | 第34-35页 |
| 4.1.2 Mean Shift在运动目标跟踪中的应用 | 第35-38页 |
| 4.2 基于卡尔曼滤波与Mean Shift相结合的目标跟踪算法 | 第38-43页 |
| 4.2.1 卡尔曼滤波算法原理 | 第38-40页 |
| 4.2.2 卡尔曼滤波的模型建立 | 第40页 |
| 4.2.3 卡尔曼滤波与Mean Shift相结合的算法 | 第40-43页 |
| 4.3 目标异常行为识别 | 第43-52页 |
| 4.3.1 人体头部识别算法研究 | 第44-48页 |
| 4.3.2 目标异常行为判别 | 第48-52页 |
| 第5章 智能监控系统在嵌入式系统上的移植 | 第52-60页 |
| 5.1 智能监控系统硬件介绍 | 第52-53页 |
| 5.2 智能监控系统软件系统搭建 | 第53-59页 |
| 5.2.1 构建交叉编译环境 | 第53页 |
| 5.2.2 Boot Loader的移植 | 第53-54页 |
| 5.2.3 Linux内核移植 | 第54-55页 |
| 5.2.4 根文件系统制作 | 第55-56页 |
| 5.2.5 视频解码器（TVP5150）驱动添加 | 第56-57页 |
| 5.2.6 网络传输 | 第57-59页 |
| 5.3 嵌入式智能监控系统的实验结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-64页 |
