基于室内场景的异常行为检测及系统实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·引言 | 第10-11页 |
| ·研究背景及意义 | 第11-12页 |
| ·本文的研究内容 | 第12页 |
| ·本文的组织结构 | 第12-14页 |
| 第二章 相关理论基础及处理技术 | 第14-22页 |
| ·引言 | 第14页 |
| ·视频源的基本处理 | 第14-16页 |
| ·视频的获取 | 第14-15页 |
| ·视频的格式转换 | 第15-16页 |
| ·图像的去噪处理 | 第16-19页 |
| ·滤波处理 | 第16-19页 |
| ·形态学处理 | 第19页 |
| ·视觉算法中的基础数据结构 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于卡尔曼滤波法的目标跟踪 | 第22-51页 |
| ·运动目标跟踪方法简介 | 第22-24页 |
| ·影响跟踪效果的因素 | 第24-25页 |
| ·均值偏移算法分析 | 第25-28页 |
| ·均值偏移算法引言 | 第25页 |
| ·目标模型的描述 | 第25-26页 |
| ·候选模型的描述 | 第26页 |
| ·相似性函数 | 第26页 |
| ·目标定位 | 第26-27页 |
| ·均值偏移算法实现流程 | 第27-28页 |
| ·粒子滤波算法分析 | 第28-32页 |
| ·蒙特卡洛积分方法 | 第28-29页 |
| ·重要性采样 | 第29-31页 |
| ·重采样 | 第31页 |
| ·粒子滤波算法实现流程 | 第31-32页 |
| ·均值偏移及粒子滤波算法优劣 | 第32页 |
| ·基于卡尔曼滤波法的目标跟踪算法的分析及实现 | 第32-47页 |
| ·基于当前帧目标团块的预测 | 第33-37页 |
| ·标定当前帧目标团块的碰撞系数 | 第37-39页 |
| ·基于最大可信度及最小间距的团块匹配 | 第39-45页 |
| ·基于卡尔曼滤波法的目标跟踪算法实现流程 | 第45-46页 |
| ·基于卡尔曼滤波法的目标跟踪算法性能分析 | 第46-47页 |
| ·算法性能测试 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于隐马尔科夫模型的异常行为识别 | 第51-76页 |
| ·关于异常行为的研究现状 | 第51-52页 |
| ·实现异常行为识别的难点 | 第52-53页 |
| ·隐马尔科夫模型的分析与建模 | 第53-59页 |
| ·隐马尔科夫模型的定义 | 第53-54页 |
| ·隐马尔科夫模型相关的三个问题 | 第54-55页 |
| ·解决隐马尔科夫模型三类相关问题的算法 | 第55-59页 |
| ·隐马尔科夫模型三类相关问题的算法实现 | 第59-65页 |
| ·提取目标团块的特征 | 第65-66页 |
| ·基于隐马尔科夫模型的异常行为识别算法流程 | 第66-71页 |
| ·算法性能测试 | 第71-75页 |
| ·本章小结 | 第75-76页 |
| 第五章 智能监控系统中跟踪及行为检测模块的实现 | 第76-90页 |
| ·引言 | 第76-77页 |
| ·OpenCV 库 | 第77-78页 |
| ·OpenCV 简介 | 第77页 |
| ·基本应用 | 第77-78页 |
| ·结构组织 | 第78页 |
| ·监控系统的总体设计 | 第78-82页 |
| ·监控系统的模块划分 | 第78-80页 |
| ·Surveillance 工程分析 | 第80-82页 |
| ·监控系统的模块设计 | 第82-86页 |
| ·监控系统的演示 | 第86-89页 |
| ·软件界面 | 第86-88页 |
| ·运行结果 | 第88-89页 |
| ·本章小结 | 第89-90页 |
| 第六章 总结及展望 | 第90-91页 |
| ·总结 | 第90页 |
| ·展望 | 第90-91页 |
| 致谢 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 硕士期间完成的项目 | 第96-97页 |
