| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题研究背景及其意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·智能视频监控在国内外研究现状 | 第10-11页 |
| ·运动目标检测在国内外研究现状 | 第11-12页 |
| ·论文主要研究内容及结构安排 | 第12-15页 |
| ·论文主要研究内容 | 第12-13页 |
| ·论文结构安排 | 第13-15页 |
| 第二章 视频图像处理技术 | 第15-24页 |
| ·常用的图像去噪算法 | 第15-18页 |
| ·中值滤波 | 第15-17页 |
| ·均值滤波 | 第17-18页 |
| ·其它去噪算法 | 第18页 |
| ·常用图像增强法 | 第18-20页 |
| ·直方图修正技术 | 第19-20页 |
| ·形态学处理 | 第20-23页 |
| ·基本集合定义 | 第20-21页 |
| ·腐蚀（Erosion） | 第21页 |
| ·膨胀（Dilation） | 第21-22页 |
| ·开和闭运算 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于阴影与鬼影去除的 vibe 改进算法研究 | 第24-42页 |
| ·三大经典方法 | 第24-30页 |
| ·帧差法 | 第24-26页 |
| ·背景减除法 | 第26-29页 |
| ·光流法 | 第29-30页 |
| ·三类检测方法分析 | 第30-32页 |
| ·基于像素级的运动目标检测算法 | 第32-36页 |
| ·基于 vibe 的运动目标检测算法 | 第32-34页 |
| ·改进的 vibe 运动目标检测算法 | 第34-36页 |
| ·阴影去除算法 | 第36-41页 |
| ·LBP 纹理特征 | 第36-38页 |
| ·SILTP 纹理特征 | 第38-39页 |
| ·算法流程及实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 稀疏低秩矩阵分解的运动目标检测算法 | 第42-63页 |
| ·稀疏低秩模型的研究背景及意义 | 第42-43页 |
| ·维数约简 | 第42页 |
| ·压缩感知的延伸 | 第42-43页 |
| ·预备知识 | 第43-44页 |
| ·矩阵恢复模型 | 第44-47页 |
| ·压缩感知模型 | 第45-46页 |
| ·矩阵恢复模型 | 第46-47页 |
| ·矩阵恢复不相干性假设 | 第47-48页 |
| ·基于鲁棒主成分分析法（RPCA）的背景建模 | 第48-52页 |
| ·迭代阈值法（IT） | 第48-49页 |
| ·加速近端梯度算法(APG) | 第49-50页 |
| ·增广拉格朗日乘子法（ALM） | 第50-51页 |
| ·PCP 算法实验结果分析 | 第51-52页 |
| ·基于交替方向稀疏低秩模型的运动目标检测算法 | 第52-62页 |
| ·稀疏低秩矩阵分解模型 | 第53-54页 |
| ·基于交替方向稀疏低秩模型的算法实现 | 第54-56页 |
| ·参数分析与选择 | 第56-59页 |
| ·稀疏低秩模型的在线检测 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历 | 第69页 |
| 攻读硕士学位期间发表论文 | 第69页 |