本书从人工智能的角度出发，以“互联网+”人工智能方法和智能家居领域中的异常检测应用为案例，对人工智能方法应用于监控视频中出现的入侵、异常区域进行发现、分割、处理和分析等方法进行研究。同时，在对模式识别技术和信号分析方法进行深入研究的基础上，论述了一种可以应用于智能监控中的自适应小波神经网络方法，进行了计算机仿真,并构建了一个实际应用系统。

1绪论
1.1 “互联网+智能系统”的背景与意义
1.2 人工智能与智能监控技术的现状
1.2.1 人工智能技术的发展
1.2.2 智能视频监控技术的研究现状
1.2.3 智能视频分析技术的研究现状
1.3 本书内容概述
1.3.1 本书解决的问题
1.3.2 本书的主要内容
1.4 本书的结构安排
2人工智能方法的理论基础
2.1 神经网络理论
2.1.1 神经网络理论的发展
2.1.2 神经网络的特征
2.1.3 BP神经网络的基本理论
2.1.4 BP神经网络的优点和存在的问题
2.2 小波分析理论
2.2.1 小波分析的发展
2.2.2 小波分析的基本理论
2.2.3 小波分析的特点和存在的问题
2.3 小波神经网络理论
2.3.1 小波神经网络的发展
2.3.2 小波神经网络的基本理论
2.3.3 小波神经网络的优点和存在的问题
2.4 本章小结
3自适应小波神经网络人工智能方法理论研究
3.1 自适应小波神经网络方法概述
3.2 自适应小波神经网络的设计
3.2.1 自适应小波神经网络系统设计
3.2.2 自适应小波神经网络结构设计
3.2.3 自适应小波神经网络算法设计
3.3 自适应小波神经网络算法实例研究
3.3.1 自适应小波神经网络算法实例的提出
3.3.2 针对研究实例的算法设计
3.4 本章小结
4自适应小波神经网络方法的计算机仿真研究
4.1 计算机仿真研究概述
4.1.1 计算机仿真方法概述
4.1.2 计算机仿真研究的目标
4.1.3 计算机仿真研究的实验内容
4.1.4 计算机仿真研究的程序设计
4.2 计算机仿真实验的主要内容
4.2.1 自适应小波神经网络算法的可行性实验
4.2.2 自适应小波神经网络算法的变学习效率实验
4.2.3 自适应小波神经网络算法的变误差精度实验
4.2.4 BP神经网络算法的可行性实验
4.2.5 BP神经网络算法的变学习效率实验
4.2.6 BP神经网络算法的变误差精度实验
4.3 计算机仿真实验的结论
4.3.1 自适应小波神经网络计算机仿真实验的结论
4.3.2 BP神经网络计算机仿真实验的结论
4.3.3 对两种神经网络计算机仿真实验结果的对比
4.4 本章小结
5智能视觉系统设计与实现
5.1 智能视频监控系统的功能设计
5.2 智能视频监控系统的系统设计
5.3 智能视频监控系统的硬件设计
5.3.1 智能监控视频的工作过程
5.3.2 视频监控的工作过程
5.4 智能视频监控系统的软件设计
5.4.1 智能视频监控系统的软件设计概述
5.4.2 视频采集传输的程序设计
5.4.3 视频分析的算法设计
5.5 视频分析算法的实现
5.5.1 视频图像预处理
5.5.2 背景更新
5.5.3 背景差分
5.5.4 图像分割
5.5.5 分割区域图像二值化
5.5.6 分割区域图像归一化
5.5.7 分割区域图像特征提取
5.5.8 分割区域图像模式识别
5.6 智能视频监控系统的联调及展示
5.6.1 系统联调实验
5.6.2 视频采集和传输实验
5.6.3 视频处理和分析实验
5.6.4 真实生活场景实验
5.7 本章小结
6“大智移云”新工科方法与技术的智能家居系统设计与实现
6.1 应用背景
6.2 应用价值
6.3 研究技术方案
6.4 多网络单点接入集成步骤
6.5 系统运行步骤
6.6 本章小结
7“大智移云”与虚拟现实的跨平台3D智能交通指挥方法及系统
7.1 背景技术
7.2 研究目的
7.3 研究的优势
7.4 研究的技术方案
7.4.1 “大智移云”与虚拟现实技术的跨平台3D智能交通指挥系统
7.4.2 “大智移云”与虚拟现实技术的跨平台3D智能交通指挥方法
7.5 研究的实施方式
7.5.1 智能终端层（1）
7.5.2 网络安全层（3）
7.5.3 接入服务层（4）
7.5.4 核心数据层（5）
7.5.5 监控指挥层（6）
参考文献