| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 课题背景及意义 | 第12-14页 |
| 1.2 相关技术国内外研究现状 | 第14-19页 |
| 1.2.1 视频监控系统的研究现状 | 第14-16页 |
| 1.2.2 目标检测算法的研究现状 | 第16-19页 |
| 1.3 目标检测的复杂性 | 第19-21页 |
| 1.4 本文主要研究内容与结构安排 | 第21页 |
| 1.5 本章小结 | 第21-22页 |
| 第2章 目标检测算法介绍 | 第22-32页 |
| 2.1 引言 | 第22页 |
| 2.2 光流法 | 第22-23页 |
| 2.3 帧间差分法 | 第23-25页 |
| 2.4 背景差分法 | 第25-30页 |
| 2.4.1 背景差分法的基本原理 | 第25-26页 |
| 2.4.2 多帧平均法 | 第26-27页 |
| 2.4.3 混合高斯建模 | 第27-28页 |
| 2.4.4 码本算法 | 第28-29页 |
| 2.4.5 ViBe | 第29-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 基于背景减除法的视频序列运动目标检测 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 阈值选取算法 | 第32-35页 |
| 3.2.1 最大类间方差法 | 第32-33页 |
| 3.2.2 最大熵 | 第33-34页 |
| 3.2.3 最小误差法 | 第34-35页 |
| 3.2.4 迭代法 | 第35页 |
| 3.3 结合背景减除法和帧间差分法的运动目标检测算法 | 第35-37页 |
| 3.3.1 背景初始化 | 第36页 |
| 3.3.2 像素点估计 | 第36页 |
| 3.3.3 背景更新 | 第36-37页 |
| 3.3.4 目标提取 | 第37页 |
| 3.4 实验及其仿真 | 第37-41页 |
| 3.4.1 实验结果 | 第39-40页 |
| 3.4.2 实验结果评价 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于Σ-Δ背景估计的运动目标检测算法 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 Σ-?背景估计 | 第43-44页 |
| 4.3 Kalman滤波算法 | 第44-46页 |
| 4.3.1 Kalman滤波理论 | 第44-46页 |
| 4.3.2 Kalman滤波背景估计 | 第46页 |
| 4.4 结合Σ-?背景估计和Kalman滤波的目标检测算法 | 第46-47页 |
| 4.4.1 背景模型建立 | 第46-47页 |
| 4.4.2 目标提取 | 第47页 |
| 4.5 实验及其仿真 | 第47-54页 |
| 4.5.1 实验结果 | 第48-51页 |
| 4.5.2 实验结果评价 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 结论与展望 | 第55-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64-65页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第65页 |