| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-17页 |
| 1.2.1 运动目标检测技术研究现状 | 第12-15页 |
| 1.2.2 深度学习目标检测技术研究现状 | 第15-17页 |
| 1.3 论文内容及安排 | 第17-19页 |
| 第二章 光学目标检测相关技术分析 | 第19-36页 |
| 2.1 引言 | 第19页 |
| 2.2 经典运动目标检测方法 | 第19-25页 |
| 2.2.1 帧差法 | 第19-20页 |
| 2.2.2 背景差分法 | 第20-23页 |
| 2.2.3 光流法 | 第23-25页 |
| 2.3 卷积神经网络 | 第25-35页 |
| 2.3.1 卷积神经网络结构 | 第26-29页 |
| 2.3.2 卷积神经网络理论推导 | 第29-34页 |
| 2.3.3 卷积神经网络优缺点 | 第34-35页 |
| 2.4 小结 | 第35-36页 |
| 第三章 基于改进视觉背景提取运动目标检测算法 | 第36-47页 |
| 3.1 引言 | 第36页 |
| 3.2 ViBe算法描述 | 第36-38页 |
| 3.2.1 背景像素模型建立及分类过程 | 第36-37页 |
| 3.2.2 背景模型初始化方法 | 第37页 |
| 3.2.3 背景模型的更新策略 | 第37-38页 |
| 3.3 改进的ViBe算法 | 第38-41页 |
| 3.3.1 鬼影消除 | 第38-40页 |
| 3.3.2 背景高频扰动消除 | 第40页 |
| 3.3.3 摄像机抖动和背景更新错误导致噪点的消除 | 第40-41页 |
| 3.4 实验结果与分析 | 第41-46页 |
| 3.4.1 鬼影消除验证分析 | 第41-42页 |
| 3.4.2 背景高频扰动消除验证分析 | 第42-43页 |
| 3.4.3 摄像机抖动和背景更新错误导致噪点消除验证分析 | 第43-44页 |
| 3.4.4 算法比较验证分析 | 第44-46页 |
| 3.5 小结 | 第46-47页 |
| 第四章 基于区域的卷积神经网络目标检测算法 | 第47-65页 |
| 4.1 引言 | 第47页 |
| 4.2 基于区域的卷积神经网络目标检测算法框架 | 第47-52页 |
| 4.2.1 模块设计 | 第48-51页 |
| 4.2.2 测试阶段的检测 | 第51页 |
| 4.2.3 算法训练步骤 | 第51-52页 |
| 4.3 基于区域的卷积神经网络目标检测算法分析 | 第52-55页 |
| 4.3.1 详细研究 | 第52-53页 |
| 4.3.2 网络架构 | 第53-54页 |
| 4.3.3 检测错误分析 | 第54-55页 |
| 4.4 基于区域的卷积神经网络目标检测算法实现与设计细节 | 第55-57页 |
| 4.4.1 正负样本选择和分类器选择 | 第55-56页 |
| 4.4.2 边界框回归 | 第56-57页 |
| 4.5 改进的区域卷积神经网络目标检测算法 | 第57-60页 |
| 4.5.1 特征融合 | 第58-59页 |
| 4.5.2 多任务训练 | 第59-60页 |
| 4.5.3 两次边界框回归 | 第60页 |
| 4.6 实验结果对比分析 | 第60-63页 |
| 4.7 小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 论文总结 | 第65-66页 |
| 5.2 进一步研究的问题 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 作者在学期间取得的学术成果 | 第76页 |
