说明1、如果直接套用本模版(懒人的最佳选择),最后论文定稿后这些红字要删除(本页也是要删除的);黑色字为固定性内容(可直接采用);蓝色字为可变性内容(需要替换成你的实际内容)。
2、学位论文中要通过插入word“分节符”来划分“word节”(“word节”概念不同于通常意义下的“章节”概念,“分节符”能够使各“word节”有不同页眉、页码)。
这是格式排版一般人不熟悉的word软件重点、难点技巧。
3. 重点关注要素:标题级数最多三级,字体格式,段落格式,图、表、公式。
请至少把本文所有红色字都看一遍。
硕士学位论文(小二号黑体)学位论文题名(二号黑体字)学位论文英文题名(小二号Times New Roman)学科专业一级学科名称(三号宋体)研究方向二级学科或三级学科名称(三号宋体)(自主设置二级学科和自主设置交叉学科须括号注明)作者姓名×××(三号宋体)指导教师×××(三号宋体)中南大学(小三号宋体)二〇一六年五月(小三号宋体)中图分类号学校代码10533 UDC 学位类别(学术学位或专业学位)硕士学位论文(小二号黑体)学位论文中文题名(小二号黑体字)学位论文英文题名(小二号Times New Roman)作者姓名:某某某(三号宋体)学科专业:一级学科名称(三号宋体)研究方向:二级学科或三级学科名称(三号宋体)(自主设置二级学科和自主设置交叉学科须括号注明)学院(系、所):学生所在学院(三号宋体)指导教师:某某某教授(三号宋体)副指导教师:某某某教授(三号宋体,本栏无则空)论文答辩日期答辩委员会主席中南大学(小三号宋体)二〇一六年五月(小三号宋体)原创性声明本人声明,所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
尽我所知,除了论文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。
与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。
作者签名:日期:年月日(打印后手工填写签名、时间)学位论文版权使用授权书本人了解中南大学有关保留、使用学位论文的规定,即:学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以采用复印、缩印或其它手段保存学位论文。
同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。
作者签名:导师签名日期:年月日(打印后手工填写签名、时间)中文论文题目(三号黑体)摘要:近年来,随着计算机和图像处理技术的进步,智能视频监控技术发展迅速,对维护公共安全起到了巨大作用。
运动目标检测和运动目标跟踪作为智能视频监控技术的核心一直是计算机视觉领域的研究热点。
本文对运动目标检测与跟踪技术展开研究,并设计实现一个智能视频监控系统。
(中文摘要正文规格:四号、宋体、行距为固定行距20磅)本文首先介绍视频监控系统的相关背景和研究现状,阐述进行系统设计与实现的关键技术及其相关理论基础。
随后对智能视频监控系统中的运动目标检测和跟踪技术进行了详细研究,针对传统算法的不足,结合实际运用场景提出有效的改进方案。
最后对系统总体框架和详细模块设计进行介绍,并对系统运行结果进行详细分析。
本文针对传统混合高斯算法使用场景受限、实时性差等不足,使用分块匹配以及跳帧处理的策略降低算法的复杂度,采用基于混合高斯算法和帧差法的双模型检测方法提高运动检测的可靠性。
系统改进camshift算法提高运动目标跟踪效果。
针对算法中存在的背景点干扰严重、只能手动选取目标以及算法迭代次数多、容易跟踪失败等问题,提出基于线性预测的camshift跟踪方法,通过进行帧差操作提取运动区域以及采用运动检测结果作为自动跟踪目标,减少了噪声和人为干预,提高了算法的智能性和准确性。
本文图53幅,表5个,参考文献63篇。
关键词:智能监控;运动检测;混合高斯模型;camshift;线性预测分类号:TN919.82英文论文题目(三号Times New Roman)Abstract: In recent years, with the advancement of computer and image processing technology, the intelligent video surveillance technology is developing rapidly and playing a significant role in public safety. As the core of intelligent video surveillance technology,detection and tracking of moving targets have been hot topics in the field of computer vision . In this paper, we did a expand research on moving target detection and tracking technology, designend and implemented an intelligent video surveillance system.(英文摘要正文规格:四号、Times New Roman、行距为固定行距20磅)First, this paper described the relevant background and status of the video surveillance system. Then it studied the moving target detection and tracking techniques in detail. and proposed effective improvements. Finally, the overall system design framework and modules are described in detail, and make a detailed analysis of the system operation results.The traditional Gaussian mixture algorithm using scene is limited, inadequate and poor real-time, so we use block matching and skipping treatment strategies to reduce the complexity of the algorithm, use dual modle which based on Gaussian mixture model and frame difference method to improve the reliability of motion detection. The camshift algorithm has serious interference of background point, select a target manually, multiple iterations, easy tracking failures and other issues.So we proposed a camshift tracking method based on linear prediction. We reduced human intervention and the noise by extract the movement through frame-difference operation and use the motion detection results as the target of automatic target tracking. We improved the intelligence and accuracy of the algorithm. This paper has 53 Figures, 5 Tables, 63 References.Keywords:intelligent monitoring; motion detection; Gaussian mixture model; camshift; linear predictionClassification: TN919.82目录(三号黑体)1 绪论 (1)1.1 研究背景及意义................................................................. 错误!未定义书签。
1.2 国内外研究现状 (1)1.3 论文主要内容及章节安排 (1)1.3.1 论文主要内容 (1)1.3.2 论文章节安排 (1)2 系统分析及理论基础................................................................ 错误!未定义书签。
2.1智能视频监控系统的需求分析 (2)2.2 智能视频监控系统的相关技术及难点............................. 错误!未定义书签。
2.3 运动目标检测..................................................................... 错误!未定义书签。
2.4 运动目标跟踪..................................................................... 错误!未定义书签。
2.5 本章小结 (2)3 基于相关性的高斯混合模型检测算法.................................... 错误!未定义书签。
3.1 基于高斯混合模型的运动检测算法的分析..................... 错误!未定义书签。
3.1.1 高斯混合模型............................................................. 错误!未定义书签。
3.1.2高斯混合检测算法的不足.......................................... 错误!未定义书签。