文摘
英文文摘
声明
第一章绪论
1.1课题研究的背景和意义
1.2基于DirectShow与OpenCV的智能监控系统
1.2.1 DirectShow视频技术
1.2.2 OpenCV简介
1.2.3本课题的智能监控系统
1.3国内外研究现状
1.4当前存在的主要问题
1.5本文主要工作及内容安排
第二章运动目标检测算法
2.1引言
2.2视频图像预处理
2.2.1矢量滤波去噪
2.2.2光强变化分析
2.2.3光强变化检测
2.3运动目标检测技术概述
2.3.1基于时间差分法
2.3.2基于光流法
2.3.3基于背景减除法
2.3.4基于多特征融合的目标分割
2.3.5基于统计模型法
2.4几种常用算法的比较分析
2.4.1基于时间差分法(VSAM方法)
2.4.2基于多特征融合的目标分割方法(Spatio-Temporal Fusion)
2.4.3基于统计模型方法(Kalman、MOG)
2.5基于GVF-Snake模型的多约束混合高斯模型法
2.5.1丢帧和光强变化检测机制
2.5.2前景点的亮度与色度约束条件
2.5.3高斯模型的优化
2.5.4 GVF-Snake算法
2.6实验结果与分析
2.7结论
第三章多目标的跟踪与维持
3.1运动目标跟踪概述
3.2现有算法的回顾
3.2.1基于相关的跟踪方法
3.2.2基于变形模型的跟踪方法
3.2.3基于特征的跟踪方法
3.2.4基于3D模型、粒子滤波的跟踪方法
3.3基于粒子滤波(Particle Filter)的目标跟踪
3.3.1粒子滤波理论
3.3.2基于粒子滤波的多目标跟踪框架
3.3.3粒子滤波跟踪方法存在的问题
3.4基于颜色特征的粒子滤波方法
3.5基于颜色和纹理信息融合的遗传粒子滤波方法
3.5.1纹理特征提取
3.5.2颜色直方图与纹理LBP算子的融合
3.5.3基于遗传(Ggenetic Algorithm)算法的粒子繁衍
3.6两种粒子滤波跟踪算法的比对
3.7目标常态和异态下的跟踪维持
3.7.1目标异常情况分析
3.7.2基于最近邻关联法(NNDA)的目标空间位置关联
3.7.3基于信任度理论(Belief Theory)的目标正异常情况处理
3.7.4目标异常处理实验仿真
3.8本章小结
第四章总结与展望
致 谢
参考文献
攻读硕士期间发表论文