基于多特征融合的特定区域内运动目标分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的研究背景和意义 | 第9-11页 |
| ·计算机视觉 | 第9-10页 |
| ·智能视频监控 | 第10-11页 |
| ·运动目标分类 | 第11页 |
| ·课题的国内外研究现状 | 第11-14页 |
| ·智能监控技术在国外的研究现状 | 第12-13页 |
| ·智能监控技术在国内的研究现状 | 第13页 |
| ·运动目标分类的研究现状 | 第13-14页 |
| ·论文主要内容 | 第14页 |
| ·论文章节安排 | 第14-16页 |
| 第二章 固定场景下的运动目标检测 | 第16-30页 |
| ·光流法 | 第16-18页 |
| ·算法原理 | 第16-17页 |
| ·算法步骤 | 第17-18页 |
| ·总结分析 | 第18页 |
| ·帧差法 | 第18-21页 |
| ·算法原理 | 第18-19页 |
| ·算法步骤 | 第19-20页 |
| ·实验及总结 | 第20-21页 |
| ·背景差法 | 第21-27页 |
| ·算法原理 | 第21-22页 |
| ·几种背景建模算法的介绍 | 第22-25页 |
| ·实验对比与分析 | 第25-27页 |
| ·本文采用的特定区域内目标检测算法 | 第27-30页 |
| 第三章 运动目标的提取 | 第30-37页 |
| ·图像的二值化 | 第30-31页 |
| ·二值图像的形态学处理 | 第31-33页 |
| ·腐蚀与膨胀 | 第31-33页 |
| ·开操作和闭操作 | 第33页 |
| ·连通域的标记与分析 | 第33-36页 |
| ·离散团块的合并与整理 | 第36-37页 |
| 第四章 运动目标分类特征的选择和提取 | 第37-47页 |
| ·常用于运动目标分类的特征概述 | 第37-41页 |
| ·基于静态特征的运动目标分类 | 第38-39页 |
| ·基于动态特征的目标分类 | 第39-40页 |
| ·静态特征与动态特征相结合的运动目标分类 | 第40-41页 |
| ·本文所采用的特征及提取过程 | 第41-47页 |
| 第五章 基于支持向量机的运动目标分类 | 第47-63页 |
| ·支持向量机理论概述 | 第47-53页 |
| ·机器学习理论的发展 | 第47-49页 |
| ·支持向量机理论的基本原理 | 第49-51页 |
| ·支持向量机理论涉及的概念 | 第51-53页 |
| ·基于SVM的运动目标分类 | 第53-58页 |
| ·基于SVM的多类别分类 | 第54-56页 |
| ·基于SVM的运动目标分类的实现 | 第56-58页 |
| ·实验结果与分析 | 第58-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 总结 | 第63-64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间参与的科研项目和发表的论文 | 第72页 |
