行人异常智能视频监控系统研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| ·研究背景与意义 | 第11-12页 |
| ·智能视频监控系统 | 第12-16页 |
| ·智能视频监控系统发展历史 | 第12-13页 |
| ·智能视频监控系统研究现状 | 第13-15页 |
| ·智能视频监控系统应用 | 第15-16页 |
| ·相关技术研究 | 第16-21页 |
| ·运动物体检测 | 第16-18页 |
| ·目标跟踪 | 第18-20页 |
| ·异常行为检测 | 第20-21页 |
| ·论文主要研究内容 | 第21-22页 |
| ·文章组织结构 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第二章 行人异常智能监控系统设计 | 第23-34页 |
| ·背景介绍 | 第23页 |
| ·需求分析 | 第23-24页 |
| ·系统总体设计 | 第24-30页 |
| ·参数配置模块 | 第25-26页 |
| ·视频读取模块 | 第26-27页 |
| ·运动物体检测模块 | 第27-28页 |
| ·目标跟踪模块 | 第28-29页 |
| ·异常行为检测模块 | 第29-30页 |
| ·报警及显示模块 | 第30页 |
| ·系统运行流程 | 第30-31页 |
| ·技术平台—OpenCV 介绍 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于混合高斯模型的运动物体检测研究与实现 | 第34-46页 |
| ·混合高斯背景模型理论 | 第34-36页 |
| ·基于混合高斯模型的运动物体检测步骤 | 第36-38页 |
| ·基于混合高斯模型的运动物体检测实现 | 第38-40页 |
| ·结果分析 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于团块的自适应跟踪算法研究与实现 | 第46-71页 |
| ·目标特征表达 | 第46-47页 |
| ·卡尔曼滤波跟踪算法 | 第47-49页 |
| ·卡尔曼滤波器参数定义 | 第47-48页 |
| ·卡尔曼跟踪 | 第48-49页 |
| ·均值漂移跟踪算法 | 第49-54页 |
| ·均值漂移理论 | 第49-51页 |
| ·目标模型表示 | 第51-52页 |
| ·候选目标表示 | 第52-53页 |
| ·相似性度量函数 | 第53页 |
| ·目标定位 | 第53-54页 |
| ·均值漂移跟踪算法流程 | 第54页 |
| ·粒子滤波跟踪算法 | 第54-58页 |
| ·粒子滤波理论 | 第54-57页 |
| ·粒子滤波跟踪算法 | 第57-58页 |
| ·基于团块的自适应跟踪算法 | 第58-61页 |
| ·算法原理 | 第58-59页 |
| ·遮挡判定 | 第59-60页 |
| ·算法描述 | 第60-61页 |
| ·基于团块的自适应跟踪算法实现 | 第61-66页 |
| ·结果分析 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 异常行为检测研究与实现 | 第71-81页 |
| ·异常行为检测算法研究 | 第71-76页 |
| ·行人徘徊检测 | 第71-73页 |
| ·行人越界检测 | 第73-74页 |
| ·行人跌倒检测 | 第74-76页 |
| ·异常行为检测算法实现 | 第76-80页 |
| ·行人徘徊检测实现 | 第76-78页 |
| ·行人越界检测实现 | 第78-79页 |
| ·行人跌倒检测实现 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第六章 系统测试 | 第81-89页 |
| ·测试环境及数据来源 | 第81页 |
| ·测试用例设计 | 第81-82页 |
| ·测试结果展示 | 第82-87页 |
| ·目标跟踪展示 | 第83-85页 |
| ·行人徘徊展示 | 第85页 |
| ·行人越界展示 | 第85-86页 |
| ·行人跌倒展示 | 第86-87页 |
| ·系统性能分析 | 第87-88页 |
| ·本章小结 | 第88-89页 |
| 第七章 总结与展望 | 第89-92页 |
| ·总结 | 第89-90页 |
| ·展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-97页 |
| 个人简介和攻硕期间取得的研究成果 | 第97-98页 |
