基于视频分析的火车驾驶违规行为筛查
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-20页 |
| 1.2.1 视频分析研究进展 | 第11-13页 |
| 1.2.2 目标跟踪研究现状 | 第13-17页 |
| 1.2.3 视频行为分析研究现状 | 第17-20页 |
| 1.3 研究内容和目标 | 第20-21页 |
| 1.4 研究难点 | 第21-22页 |
| 1.5 文章组织结构 | 第22-24页 |
| 第2章 基于改进相关滤波的长时目标跟踪算法 | 第24-42页 |
| 2.1 相关滤波算法 | 第25-29页 |
| 2.1.1 相关滤波原理 | 第25-27页 |
| 2.1.2 快速核相关滤波 | 第27-29页 |
| 2.2 模版更新机制 | 第29-33页 |
| 2.2.1 问题分析 | 第29-30页 |
| 2.2.2 置信度 | 第30-31页 |
| 2.2.3 适应长时跟踪的模版更新机制 | 第31-33页 |
| 2.3 基于改进相关滤波的长时目标跟踪算法 | 第33-34页 |
| 2.4 实验结果 | 第34-41页 |
| 2.4.1 实验配置 | 第35页 |
| 2.4.2 特征分析实验 | 第35-37页 |
| 2.4.3 整体实验对比 | 第37-39页 |
| 2.4.4 不同环境属性实验 | 第39-41页 |
| 2.5 小结 | 第41-42页 |
| 第3章 基于时空加权的多特征融合动作识别算法 | 第42-58页 |
| 3.1 IDT算法中的特征提取 | 第42-47页 |
| 3.1.1 HOG特征 | 第43-45页 |
| 3.1.2 光流特征 | 第45-46页 |
| 3.1.3 CN特征 | 第46-47页 |
| 3.2 基于时空加权的多特征融合 | 第47-52页 |
| 3.2.1 词袋模型 | 第48-49页 |
| 3.2.2 基于时空加权的词袋模型 | 第49-52页 |
| 3.3 基于时空加权的多特征融合动作识别算法 | 第52-53页 |
| 3.4 实验结果与分析 | 第53-56页 |
| 3.4.1 实验配置 | 第54页 |
| 3.4.2 两种加权方式比较 | 第54-56页 |
| 3.4.3 算法性能综合比较 | 第56页 |
| 3.5 小结 | 第56-58页 |
| 第4章 火车司机监控视频违规行为智能筛查系统 | 第58-68页 |
| 4.1 问题描述 | 第58-59页 |
| 4.2 系统需求分析 | 第59-60页 |
| 4.2.1 系统问题分析 | 第59页 |
| 4.2.2 系统功能需求 | 第59-60页 |
| 4.3 系统设计 | 第60-65页 |
| 4.3.1 系统开发技术路线 | 第60-61页 |
| 4.3.2 软件结构设计 | 第61-62页 |
| 4.3.3 系统工作原理 | 第62-63页 |
| 4.3.4 系统主要模块设计 | 第63-65页 |
| 4.4 系统实现 | 第65-68页 |
| 4.4.1 系统开发平台以及编程语言介绍 | 第65页 |
| 4.4.2 系统主要界面 | 第65-67页 |
| 4.4.3 小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-69页 |
| 5.1 工作总结 | 第68页 |
| 5.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间取得的科研成果 | 第75页 |
