| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第5-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-15页 |
| 第一章 绪论 | 第15-29页 |
| 1．1 引言 | 第15-16页 |
| 1．2 视频监控概述 | 第16-24页 |
| 1．2．1 研究现状 | 第16-18页 |
| 1．2．2 主要任务 | 第18-19页 |
| 1．2．3 相关技术 | 第19-21页 |
| 1．2．3．1 运动目标检测 | 第19-20页 |
| 1．2．3．2 运动目标分类 | 第20页 |
| 1．2．3．3 运动目标跟踪 | 第20页 |
| 1．2．3．4 行为理解与描述 | 第20-21页 |
| 1．2．4 技术难点 | 第21-23页 |
| 1．2．4．1 运动分割 | 第21-22页 |
| 1．2．4．2 遮挡处理 | 第22页 |
| 1．2．4．3 三维建模与跟踪 | 第22页 |
| 1．2．4．4 多摄像机跟踪 | 第22-23页 |
| 1．2．4．5 性能评估 | 第23页 |
| 1．2．5 应用现状与前景 | 第23-24页 |
| 1．3 本文主要工作 | 第24-29页 |
| 1．3．1 本文研究主线 | 第24-26页 |
| 1．3．2 论文的结构 | 第26-27页 |
| 1．3．3 论文的主要工作 | 第27-29页 |
| 第二章 相关理论基础 | 第29-41页 |
| 2．1 射影几何 | 第29-30页 |
| 2．1．1 中心投影 | 第29页 |
| 2．1．2 交比定理 | 第29-30页 |
| 2．2 贝叶斯预测 | 第30-32页 |
| 2．2．1 全概率公式和贝叶斯公式 | 第30-31页 |
| 2．2．2 贝叶斯预测基本思想 | 第31页 |
| 2．2．3 递推贝叶斯 | 第31-32页 |
| 2．3 蒙特卡罗方法 | 第32-34页 |
| 2．3．1 蒙特卡罗方法基本原理 | 第32-33页 |
| 2．3．2 蒙特卡罗方法的收敛性 | 第33页 |
| 2．3．3 蒙特卡罗方法的实现 | 第33-34页 |
| 2．4 不变矩在目标识别中的应用 | 第34-36页 |
| 2．5 统计学习理论 | 第36-39页 |
| 2．5．1 统计学习理论—支持向量机的理论背景 | 第36-37页 |
| 2．5．2 支持向量机 | 第37-39页 |
| 2．6 知识表示 | 第39-40页 |
| 2．6．1 一阶谓词表示 | 第39-40页 |
| 2．6．2 时序逻辑表示 | 第40页 |
| 2．7 小结 | 第40-41页 |
| 第三章 运动目标检测技术的研究 | 第41-57页 |
| 3．1 引言 | 第41页 |
| 3．2 运动目标检测技术概述 | 第41-44页 |
| 3．2．1 光流法 | 第41-42页 |
| 3．2．2 相邻帧差法 | 第42-43页 |
| 3．2．3 背景减法 | 第43页 |
| 3．2．4 其它方法 | 第43-44页 |
| 3．3 视频监控中的运动目标检测 | 第44-45页 |
| 3．4 背景模型建立 | 第45-48页 |
| 3．4．1 基于颜色的背景模型 | 第45-47页 |
| 3．4．2 基于颜色梯度的背景模型 | 第47-48页 |
| 3．5 背景模型的更新 | 第48-51页 |
| 3．5．1 基于颜色背景模型的更新 | 第48页 |
| 3．5．2 基于颜色梯度背景模型的更新 | 第48页 |
| 3．5．3 基于背景模型的目标检测及其实验结果 | 第48-51页 |
| 3．6 阴影去除 | 第51-54页 |
| 3．6．1 阴影去除概述 | 第51页 |
| 3．6．2 阴影的光学特性 | 第51-52页 |
| 3．6．3 阴影检测 | 第52-54页 |
| 3．7 运动目标检测及其实验结果 | 第54-56页 |
| 3．8 小结 | 第56-57页 |
| 第四章 运动目标跟踪技术的研究 | 第57-79页 |
| 4．1 引言 | 第57页 |
| 4．2 目标跟踪技术概述 | 第57-61页 |
| 4．2．1 目标跟踪的分类 | 第57-58页 |
| 4．2．2 目标跟踪技术 | 第58-61页 |
| 4．2．2．1 基于特征的跟踪方法 | 第58-59页 |
| 4．2．2．2 基于3-D的跟踪方法 | 第59页 |
| 4．2．2．3 基于主动轮廓的跟踪方法 | 第59-60页 |
| 4．2．2．4 基于运动估计的跟踪方法 | 第60-61页 |
| 4．3 图像标定 | 第61-70页 |
| 4．3．1 引言 | 第61-62页 |
| 4．3．2 方法综述 | 第62页 |
| 4．3．3 问题的提出 | 第62-65页 |
| 4．3．4 图像平面到真实平面的映射关系 | 第65-68页 |
| 4．3．5 实验结果 | 第68-70页 |
| 4．4 贝叶斯滤波原理与实现 | 第70-72页 |
| 4．4．1 贝叶斯滤波原理 | 第70-71页 |
| 4．4．2 粒子滤波器 | 第71-72页 |
| 4．5 序列图像多目标跟踪算法 | 第72-76页 |
| 4．5．1 系统状态描述 | 第72-73页 |
| 4．5．2 系统观测描述 | 第73页 |
| 4．5．3 重采样 | 第73-74页 |
| 4．5．4 特殊处理 | 第74-76页 |
| 4．5．4．1 新目标出现 | 第74-75页 |
| 4．5．4．2 目标消失 | 第75页 |
| 4．5．4．3 遮挡处理 | 第75-76页 |
| 4．6 目标跟踪的实现及试验结果 | 第76-77页 |
| 4．7 小结 | 第77-79页 |
| 第五章 运动目标分类技术的研究 | 第79-97页 |
| 5．1 引言 | 第79-80页 |
| 5．2 多类支持向量机 | 第80-85页 |
| 5．2．1 常用的多类支持向量机算法 | 第80-83页 |
| 5．2．1．1 One-Versus-Rest SVMs | 第80页 |
| 5．2．1．2 One-Versus-One SVMs | 第80-81页 |
| 5．2．1．3 有向无环图SVMs | 第81页 |
| 5．2．1．4 纠错编码SVMs | 第81-82页 |
| 5．2．1．5 层次SVMs | 第82-83页 |
| 5．2．2 各种多类支持向量机算法的性能对比 | 第83-85页 |
| 5．2．2．1 训练速度 | 第83-84页 |
| 5．2．2．2 分类速度 | 第84-85页 |
| 5．3 总体分布的非参数估计-Parzen估计 | 第85-88页 |
| 5．3．1 非参数估计的基本思路 | 第85-87页 |
| 5．3．2 Parzen窗法 | 第87-88页 |
| 5．3．3 估计量p(x)为密度函数的条件 | 第88页 |
| 5．4 目标分类问题描述 | 第88页 |
| 5．5 特征描述 | 第88-90页 |
| 5．6 特征选择 | 第90-94页 |
| 5．6．1 熵互信息 | 第90-91页 |
| 5．6．1．1 熵 | 第90-91页 |
| 5．6．1．2 互信息 | 第91页 |
| 5．6．2 目标特征与类别互信息计算 | 第91-93页 |
| 5．6．3 特征选择 | 第93-94页 |
| 5．7 基于DAG-SVMs的分类器 | 第94-95页 |
| 5．7．1 场景独立的分类器 | 第94页 |
| 5．7．2 场景适应分类器 | 第94-95页 |
| 5．8 实验结果 | 第95-96页 |
| 5．9 小结 | 第96-97页 |
| 第六章 行为理解技术研究与探讨 | 第97-114页 |
| 6．1 引言 | 第97-99页 |
| 6．2 系统结构 | 第99-100页 |
| 6．3 场景分析 | 第100-102页 |
| 6．3．1 场景结构 | 第100页 |
| 6．3．2 场景知识库的建立 | 第100-102页 |
| 6．3．3 场景知识库的更新 | 第102页 |
| 6．4 行为建模 | 第102-105页 |
| 6．4．1 目标描述 | 第103页 |
| 6．4．2 约束表达 | 第103-104页 |
| 6．4．3 分层的行为模型结构 | 第104-105页 |
| 6．5 行为识别 | 第105-110页 |
| 6．5．1 简单行为识别 | 第106页 |
| 6．5．2 复杂行为识别 | 第106-107页 |
| 6．5．3 行为识别的实现 | 第107-110页 |
| 6．6 基于轨迹的行为理解 | 第110-113页 |
| 6．6．1 豪斯多夫距离 | 第111页 |
| 6．6．2 轨迹建模 | 第111-113页 |
| 6．6．3 轨迹模型识别 | 第113页 |
| 6．7 小结 | 第113-114页 |
| 第七章 总结与展望 | 第114-117页 |
| 7．1 工作总结 | 第114-115页 |
| 7．2 未来工作展望 | 第115-117页 |
| 参考文献 | 第117-131页 |
| 攻读博士学位期间发表的学术论文、参加完成的科研工作及获得奖励 | 第131-133页 |
| 发表的学术论文 | 第131-132页 |
| 参加的科研项目 | 第132页 |
| 参加的机器人足球比赛 | 第132页 |
| 获得奖励 | 第132-133页 |
| 致谢 | 第133-134页 |
| 作者简介 | 第134页 |
