智能视频监控中的运动目标检测与分类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 运动目标检测算法研究现状 | 第17-18页 |
| 1.2.2 运动目标分类算法研究现状 | 第18-20页 |
| 1.3 本文主要工作及结构安排 | 第20-23页 |
| 第二章 运动目标检测与分类算法的相关理论基础 | 第23-35页 |
| 2.1 运动目标检测算法 | 第23-27页 |
| 2.1.1 光流法 | 第23-25页 |
| 2.1.2 帧差法 | 第25-26页 |
| 2.1.3 背景减除法 | 第26-27页 |
| 2.2 基于支持向量机的运动目标分类方法 | 第27-33页 |
| 2.2.1 支持向量机原理 | 第27-30页 |
| 2.2.2 基于支持向量的运动目标分类 | 第30-32页 |
| 2.2.3 多目标分类问题 | 第32-33页 |
| 2.3 运动目标检测与分类方法 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 基于GMM和帧差法的运动目标检测 | 第35-55页 |
| 3.1 高斯背景模型 | 第35-39页 |
| 3.1.1 单高斯背景模型 | 第35-37页 |
| 3.1.2 高斯混合背景模型 | 第37-38页 |
| 3.1.3 GMM的阈值分析 | 第38-39页 |
| 3.2 改进的帧差法 | 第39-41页 |
| 3.3 数学形态学 | 第41-43页 |
| 3.3.1 腐蚀与膨胀 | 第41-42页 |
| 3.3.2 开运算与闭运算 | 第42-43页 |
| 3.4 融合GMM与帧差法的运动目标检测方法 | 第43-48页 |
| 3.4.1 图像组合算法 | 第44-47页 |
| 3.4.2 图像修补 | 第47-48页 |
| 3.4.3 形态学处理 | 第48页 |
| 3.5 实验结果与分析 | 第48-53页 |
| 3.5.1 主观分析 | 第48-51页 |
| 3.5.2 客观分析 | 第51-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 基于SVM和多特征融合的运动目标分类方法 | 第55-75页 |
| 4.1 常用的运动目标分类特征 | 第55-57页 |
| 4.1.1 静态特征 | 第55-56页 |
| 4.1.2 动态特征 | 第56-57页 |
| 4.2 特征选取及提取过程 | 第57-66页 |
| 4.2.1 静态特征提取 | 第58-63页 |
| 4.2.2 动态特征提取 | 第63-66页 |
| 4.3 SVM分类器的设计 | 第66-67页 |
| 4.4 实验结果与分析 | 第67-74页 |
| 4.4.1 实验步骤 | 第67-69页 |
| 4.4.2 实验结果 | 第69-74页 |
| 4.5 本章小结 | 第74-75页 |
| 第五章 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-85页 |
