| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状分析 | 第11-12页 |
| 1.3 本文的研究思路 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 1.4.1 论文的主要工作 | 第13页 |
| 1.4.2 论文的结构安排 | 第13-15页 |
| 第二章 监控视频运动目标检测与轮廓提取综述 | 第15-27页 |
| 2.1 运动目标检测基础理论 | 第15-21页 |
| 2.1.1 基于光流场变化的运动目标检测 | 第15-17页 |
| 2.1.2 基于背景减法的运动目标检测 | 第17-19页 |
| 2.1.3 基于帧间差分法的运动目标检测 | 第19-21页 |
| 2.2 常用的图像轮廓提取技术 | 第21-25页 |
| 2.2.1 基于边缘检测的轮廓提取 | 第21-22页 |
| 2.2.2 基于形态学处理的轮廓提取 | 第22-23页 |
| 2.2.3 基于Snake模型的轮廓提取 | 第23-24页 |
| 2.2.4 基于频率域滤波的轮廓提取 | 第24-25页 |
| 2.3 小结 | 第25-27页 |
| 第三章 Sobel算子和帧差法融合的运动目标轮廓粗提取技术 | 第27-42页 |
| 3.1 Sobel算子概述 | 第27-29页 |
| 3.2 基于Sobel算子的运动目标轮廓粗提取方法 | 第29-35页 |
| 3.2.1 算法原理 | 第29-30页 |
| 3.2.2 算法模型 | 第30-31页 |
| 3.2.3 算法步骤及伪代码 | 第31-33页 |
| 3.2.4 实验与分析 | 第33-35页 |
| 3.3 改进的基于速度自适应的算法模型 | 第35-38页 |
| 3.3.1 改进的算法原理及模型 | 第35-36页 |
| 3.3.2 算法步骤 | 第36-37页 |
| 3.3.3 算法效率分析 | 第37-38页 |
| 3.4 GPU架构解决算法并行计算问题 | 第38-40页 |
| 3.4.1 GPU介绍及算法可行性分析 | 第38-39页 |
| 3.4.2 架构GPU的算法步骤 | 第39-40页 |
| 3.5 算法通用模型 | 第40-41页 |
| 3.6 小结 | 第41-42页 |
| 第四章 基于形态学后处理的视频运动目标轮廓精提取技术 | 第42-57页 |
| 4.1 形态学基础 | 第42-44页 |
| 4.2 二值形态学处理 | 第44-47页 |
| 4.2.1 腐蚀运算 | 第44-45页 |
| 4.2.2 膨胀运算 | 第45-46页 |
| 4.2.3 腐蚀和膨胀作用效果分析 | 第46-47页 |
| 4.3 骨架提取 | 第47-50页 |
| 4.3.1 骨架提取方法概述 | 第48页 |
| 4.3.2 Zhang并行快速细化算法 | 第48-50页 |
| 4.4 基于形态学后处理的目标轮廓提取算法 | 第50-54页 |
| 4.4.1 算法原理及模型 | 第51-52页 |
| 4.4.2 结构元素的选取 | 第52-53页 |
| 4.4.3 算法步骤及伪代码 | 第53-54页 |
| 4.5 实验分析与比较 | 第54-56页 |
| 4.6 小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 硕士期间的科研成果及奖励 | 第63-64页 |
| 致谢 | 第64页 |
