声明
摘要
1 绪论
1.1 课题研究的背景及意义
1.2 国内外相关技术发展与现状
1.2.1 多摄像机智能视频监控系统发展与现状
1.2.2 AdaBoost的发展与研究现状
1.3 AdaBoost检测运动目标存在的问题
1.4 论文主要工作和结构
1.4.1 论文主要工作
1.4.2 论文结构
2 AdaBoost的检测原理
2.1 AdaBoost算法描述
2.2 AdaBoost算法的理论分析
2.2.1 训练误差分析
2.2.2 泛化误差
2.3 检测特征的选取与计算
2.3.1 Haar-like特征
2.3.2 矩形特征数量计算
2.3.3 积分图
2.4 AdaBoost算法强分类器的训练
2.4.1 弱分类器的构造
2.4.2 训练强分类器
2.5 级联分类器
2.5.1 级联分类器的组成及分析
2.5.2 级联分类器的训练过程
2.6 本章小结
3 基于双阈值和内部结构调整的AdaBoost算法
3.1 基于双阈值的AdaBoost算法
3.1.1 单阈值构造弱分类器的缺点
3.1.2 双阈值构造弱分类器
3.1.3 实验分析
3.2 基于弱分类器内部结构调整的AdaBoost算法
3.2.1 弱分类器内部结构调整
3.2.2 内部结构调整最佳参数选择
3.2.3 调整验证
3.2.4 基于弱分类器内部结构调整的AdaBoost算法
3.2.5 实验分析
3.3 本章小结
4 基于运动目标提取和多摄像机区域匹配的AdaBoost算法
4.1 运动目标检测
4.1.1 帧差法
4.1.2 背景减法
4.1.3 光流法
4.1.4 几种运动目标检测算法的比较
4.2 基于简单背景减法和改进AdaBoost算法的人头检测
4.2.1 AdaBoost算法与运动目标检测结合的优势
4.2.2 基于简单背景减法与改进AdaBoost算法的人头检测算法
4.2.3 实验分析
4.3 区域匹配
4.4 基于运动目标提取和多摄像机区域匹配的AdaBoost人头检测
4.4.1 基于运动目标提取和多摄像机区域匹配的AdaBoost算法的具体流程
4.4.2 实验分析
4.5 本章小结
5 结论和展望
5.1 本文工作总结
5.2 研究展望
致谢
参考文献
附录
南京理工大学;