| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 运动目标检测的研究现状 | 第10-12页 |
| 1.2.1 运动目标检测的发展 | 第10-11页 |
| 1.2.2 国内外研究和应用现状 | 第11-12页 |
| 1.3 本文的工作与安排 | 第12-14页 |
| 第二章 运动目标检测算法概述 | 第14-27页 |
| 2.1 帧间差分法 | 第14-17页 |
| 2.1.1 帧间差分法原理 | 第15-16页 |
| 2.1.2 实验结果与分析 | 第16-17页 |
| 2.2 光流法 | 第17-20页 |
| 2.2.1 光流法检测原理 | 第17-20页 |
| 2.2.2 实验结果与分析 | 第20页 |
| 2.3 背景减除法 | 第20-26页 |
| 2.3.1 均值建模背景减除法 | 第21-22页 |
| 2.3.2 合高斯背景建模 | 第22-24页 |
| 2.3.3 ViBe算法 | 第24-25页 |
| 2.3.4 实验分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于全局外观一致性的运动目标检测 | 第27-41页 |
| 3.1 复杂场景下的运动目标检测面临的问题 | 第27-30页 |
| 3.2 基于全局外观一致性的检测算法 | 第30-34页 |
| 3.3 基于超像素分割的后处理 | 第34-36页 |
| 3.4 实验结果与分析 | 第36-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 融合目标空间分布先验和场景语义先验的运动目标检测 | 第41-52页 |
| 4.1 监控视频中的目标空间分布先验信息 | 第41-44页 |
| 4.1.1 目标空间分布先验信息的获取 | 第42-43页 |
| 4.1.2 空间分布先验分析 | 第43-44页 |
| 4.2 监控视频中的场景语义先验信息 | 第44-45页 |
| 4.3 融合目标空间分布先验与场景语义先验信息的GMM算法 | 第45-47页 |
| 4.4 实验结果与分析 | 第47-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 论文工作总结 | 第52页 |
| 5.2 工作展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表的论文 | 第58-59页 |
| 攻读硕士期间参与的项目 | 第59页 |