基于自适应背景模型的运动目标检测
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 运动目标检测国内外研究现状 | 第12-13页 |
| 1.3 运动目标检测难点 | 第13-14页 |
| 1.4 论文的主要工作 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 2 相关工作 | 第17-26页 |
| 2.1 运动目标检测相关理论和方法研究 | 第17-20页 |
| 2.1.1 光流法 | 第17-18页 |
| 2.1.2 相邻帧间差分法 | 第18页 |
| 2.1.3 背景减除法 | 第18-20页 |
| 2.2 超像素分割技术相关理论和方法研究 | 第20-24页 |
| 2.3 能量最小化理论及其求解 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于视频帧间时空关系的动态属性度量 | 第26-32页 |
| 3.1 背景动态属性度量 | 第27-30页 |
| 3.1.1 场景波动检测 | 第27-28页 |
| 3.1.2 动态噪声提取 | 第28-29页 |
| 3.1.3 背景动态属性量化 | 第29-30页 |
| 3.2 实验设计与分析 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 4 基于自适应背景模型的运动目标检测 | 第32-46页 |
| 4.1 背景模型描述 | 第32-33页 |
| 4.2 运动目标检测 | 第33-36页 |
| 4.2.1 前景背景划分 | 第33-35页 |
| 4.2.2 背景复杂度度量 | 第35-36页 |
| 4.3 背景模型自适应调整 | 第36-41页 |
| 4.3.1 场景描述自适应 | 第36-38页 |
| 4.3.2 前景判断阈值自适应 | 第38-39页 |
| 4.3.3 背景描述更新率自适应 | 第39-41页 |
| 4.4 实验结果与分析 | 第41-44页 |
| 4.4.1 开发与实验环境 | 第41页 |
| 4.4.2 实验数据及评价指标 | 第41-42页 |
| 4.4.3 实验结果对比与分析 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 基于超像素融合的运动目标优化 | 第46-58页 |
| 5.1 基于SLICO算法的超像素分割 | 第48-49页 |
| 5.2 超像素相似性度量 | 第49-51页 |
| 5.3 基于超像素的S-T图定义 | 第51-52页 |
| 5.4 基于超像素和能量最小化理论的运动目标优化 | 第52-54页 |
| 5.5 实验结果比较与分析 | 第54-57页 |
| 5.5.1 开发与实验环境 | 第54页 |
| 5.5.2 实验结果对比与分析 | 第54-56页 |
| 5.5.3 动目标检测软件系统 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 6 全文总结和工作展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58-59页 |
| 6.2 下一步工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
