| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景 | 第9-12页 |
| ·视频监控系统的现状 | 第9-10页 |
| ·视频监控系统的特点 | 第10-11页 |
| ·智能视频监控 | 第11-12页 |
| ·国内外研究现状 | 第12页 |
| ·研究目的与意义 | 第12页 |
| ·论文的主要工作 | 第12-13页 |
| ·论文的组织结构 | 第13-15页 |
| 第二章 相关技术 | 第15-30页 |
| ·智能视频监控流程 | 第15-17页 |
| ·运动目标检测 | 第15-16页 |
| ·运动目标分类 | 第16页 |
| ·运动目标跟踪 | 第16-17页 |
| ·行为理解与描述 | 第17页 |
| ·视频图像编解码技术H.264 | 第17-18页 |
| ·OpenCV简介 | 第18-19页 |
| ·DirectShow技术 | 第19-21页 |
| ·DirectShow | 第19-20页 |
| ·基于DirectShow的视频图像采集 | 第20-21页 |
| ·图像预处理 | 第21-29页 |
| ·图像噪声处理 | 第22-24页 |
| ·直方图均衡化 | 第24-27页 |
| ·图像二值化 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 运动目标检测算法的提出 | 第30-39页 |
| ·运动目标检测方法 | 第30-31页 |
| ·光流法 | 第30页 |
| ·帧间差分法 | 第30-31页 |
| ·背景差分法 | 第31页 |
| ·运动目标检测算法的提出 | 第31-37页 |
| ·问题提出 | 第31-32页 |
| ·帧间差分法重建背景 | 第32-33页 |
| ·基于运动目标检测的视频抓图 | 第33-35页 |
| ·自适应的背景更新方法 | 第35-37页 |
| ·实验结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于AdaBoost算法的人形目标检测的实现 | 第39-52页 |
| ·AdaBoost算法 | 第39-42页 |
| ·AdaBoost算法 | 第39-40页 |
| ·Haar-like特征与特征值计算 | 第40-42页 |
| ·级联分类器训练方法 | 第42-44页 |
| ·人形目标检测系统实现 | 第44-48页 |
| ·人形目标检测系统框架 | 第44-46页 |
| ·系统实现 | 第46-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于肤色空间和AdaBoost算法的人脸检测 | 第52-61页 |
| ·基于肤色的人脸检测 | 第52-54页 |
| ·颜色空间选择 | 第52-53页 |
| ·建立肤色模型 | 第53页 |
| ·得到候选人脸区域 | 第53-54页 |
| ·基于肤色空间预处理的AdaBoost算法 | 第54-55页 |
| ·肤色人脸检测与AdaBoost算法的不足 | 第54页 |
| ·肤色模型与AdaBoost算法相结合 | 第54-55页 |
| ·实验结果与分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间发表的学术论文 | 第69页 |