|
|
|
|
智能视频监控中的行人检测与跟踪方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-5页 | | ABSTRACT | 第5-10页 | | 第1章 绪论 | 第10-17页 | | ·研究背景与意义 | 第10-11页 | | ·智能视频监控概述 | 第11-13页 | | ·智能视频监控的发展 | 第11-12页 | | ·智能视频监控的研究内容 | 第12-13页 | | ·行人检测与跟踪 | 第13页 | | ·行人检测 | 第13页 | | ·行人跟踪 | 第13页 | | ·国内外研究现状 | 第13-15页 | | ·论文主要研究内容与章节安排 | 第15-17页 | | 第2章 视频序列图像中运动目标检测与跟踪方法 | 第17-29页 | | ·图像处理基础 | 第17-22页 | | ·颜色空间 | 第17-20页 | | ·图像预处理 | 第20页 | | ·形态学方法 | 第20-22页 | | ·运动目标检测方法 | 第22-25页 | | ·帧差法 | 第22-23页 | | ·背景差分法 | 第23-24页 | | ·光流法 | 第24页 | | ·边缘检测方法 | 第24-25页 | | ·运动目标跟踪方法 | 第25-28页 | | ·基于特征的跟踪方法 | 第25-26页 | | ·基于模型的跟踪方法 | 第26-27页 | | ·基于主动轮廓的跟踪方法 | 第27-28页 | | ·本章小结 | 第28-29页 | | 第3章 基于 HOG 的粒子滤波行人跟踪算法 | 第29-48页 | | ·智能视频监控中的动态场景 | 第29页 | | ·滤波理论 | 第29-32页 | | ·滤波问题 | 第29页 | | ·滤波分类 | 第29-32页 | | ·HOG 行人检测 | 第32-36页 | | ·HOG 小型化 | 第36-37页 | | ·粒子滤波方法 | 第37-43页 | | ·动态空间模型 | 第38页 | | ·离散贝叶斯估计 | 第38-39页 | | ·蒙特卡罗采样 | 第39页 | | ·贝叶斯重要性采样 | 第39-40页 | | ·序列化重要性采样 | 第40-42页 | | ·粒子滤波一般算法描述 | 第42-43页 | | ·基于HOG 的粒子滤波行人跟踪算法 | 第43-47页 | | ·动态模型 | 第44页 | | ·观测模型 | 第44页 | | ·HOG 鉴别模型 | 第44页 | | ·算法流程 | 第44-45页 | | ·仿真实验结果与分析 | 第45-47页 | | ·本章小结 | 第47-48页 | | 第4章 社会治安视频监控系统中的行人检测与跟踪 | 第48-63页 | | ·社会治安视频监控系统简介 | 第48-49页 | | ·社会治安视频监控中的图像处理 | 第49-51页 | | ·系统整体架构 | 第49-50页 | | ·系统软件结构设计 | 第50页 | | ·动态视频图像特征智能识别技术 | 第50-51页 | | ·行人检测和跟踪模块的实现 | 第51-60页 | | ·图像提取和预处理 | 第53-54页 | | ·运动目标分割 | 第54-55页 | | ·目标分类 | 第55-56页 | | ·目标特征提取 | 第56-58页 | | ·行人目标跟踪 | 第58-60页 | | ·实验结果与分析 | 第60-62页 | | ·本章小结 | 第62-63页 | | 第5章 总结与展望 | 第63-65页 | | ·本文工作总结 | 第63页 | | ·未来工作展望 | 第63-65页 | | 参考文献 | 第65-67页 | | 致谢 | 第67-68页 | | 在读期间发表的学术论文与取得的其他研究成果 | 第68页 |
|
|
|
|
论文编号BS321014，这篇论文共68页
会员购买按0.35元/页下载，共需支付23.8元。 直接购买按0.5元/页下载，共需要支付34元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务