学位专题

封面
声明
摘要
英文摘要
目录
1 绪论
1．1 课题研究背景及意义
1．1．1 应用背景、研究目的及意义
1．2 智能视频监控概述
1．2．1 智能视频监控的发展状况
1．2．2 智能视频技术概述
1．2．3 智能视频技术的实际应用
1．3 国内外研究现状
1．4 论文的主要研究内容
1．5 本文的主要组织结构安排
1．6 本章小结
2 运动目标检测与跟踪方法研究
2．1 边缘检测
2．2 运动目标检测
2．2．1 背景差分法
2．2．2 帧间差分法
2．2．3 光流法
2．2．4 背景建模法
2．2．5 不变矩特征检测法
2．3 运动目标跟踪
2．3．1 卡尔曼滤波
2．3．2 粒子滤波
2．3．3 均值漂移算法(Meanshift算法)
2．4 基于活动轮廓模型的运动目标检测
2．5 本章小结
3 基于HOG特征的行人检测方法
3．1 梯度方向直方图(HOG，Histogram of Oriented Gradient)
3．2 支持向量机SVM(Support Vector Mathitie)分类器
3．3 基于HOG特征的行人检测
3．3．1 伽马(Gamma)校正
3．3．2 计算像素梯度
3．3．3 统计单元内方向梯度信息
3．3．4 区间(Block)的归一化
3．3．5 HOG特征向量收集
3．3．6 基于SVM的分类器训练
3．4 本章小结
4 基于活动轮廓模型的行人检测方法
4．1 活动轮廓模型概述
4．2 传统活动轮廓模型的基本理论
4．2．1 活动轮廓模型的基本原理
4．2．2 能量最小化基本求解算法
4．3 传统活动轮廓模型的优势及其局限性
4．4 改进的活动轮廓模型行人检测方法
4．4．1 活动轮廓模型的初始化优化算法
4．4．2 贪婪算法
4．4．3 基于卡尔曼滤波和活动轮廓模型的目标检测跟踪算法
4．5 本章小结
5 实验结果分析
5．1 基于Hog特征行人监测方法的实验结果分析
5．2 基于活动轮廓模型的行人检测的实验结果分析
6 结论与展望
参考文献
致谢
个人简历
发表的硕士论文