首页--工业技术论文--无线电电子学、电信技术论文--电视论文--电视中心、电视设备论文--电视中心管理系统论文

视频监控中的前景目标检测算法研究

摘要第4-6页
abstract第6-8页
第1章 绪论第11-25页
    1.1 研究背景及意义第11-13页
    1.2 国内外研究与应用现状第13-15页
    1.3 技术难点第15-19页
    1.4 技术分类第19-22页
    1.5 主要研究内容与章节安排第22-25页
第2章 相关基础概述第25-41页
    2.1 引言第25页
    2.2 背景减除法基本流程第25-28页
    2.3 背景减除法算法分类第28-32页
    2.4 测试数据集第32-38页
    2.5 算法效果评价机制第38-40页
    2.6 本章小结第40-41页
第3章 基于纹理特征和颜色特征相结合的前景目标检测第41-77页
    3.1 引言第41页
    3.2 纹理特征在前景目标检测中的应用第41-44页
    3.3 ESILTP纹理特征第44-46页
    3.4 LSSD纹理特征第46-51页
    3.5 RLBSP纹理特征第51-53页
    3.6 纹理特征和颜色特征相结合的前景目标检测第53-62页
        3.6.1 算法框架第54-56页
        3.6.2 模型表示第56-57页
        3.6.3 背景模型初始化第57-58页
        3.6.4 前景检测第58-60页
        3.6.5 背景模型更新第60-62页
    3.7 实验结果与分析第62-74页
        3.7.1 实验一第62-68页
        3.7.2 实验二第68-73页
        3.7.3 实验三第73-74页
    3.8 本章小结第74-77页
第4章 基于多尺度全卷积神经网络的前景目标检测第77-95页
    4.1 引言第77-78页
    4.2 卷积神经网络在前景目标检测中的应用第78-79页
    4.3 基于多尺度全卷积神经网络结构的前景目标检测第79-85页
        4.3.1 框架流程第79-80页
        4.3.2 网络结构第80-85页
        4.3.3 实现与训练第85页
    4.4 实验结果与分析第85-93页
    4.5 本章小结第93-95页
第5章 结合语义分割的实时前景目标检测第95-119页
    5.1 引言第95-96页
    5.2 语义分割在前景目标检测中的应用第96-97页
    5.3 结合语义分割的实时前景目标检测框架第97-105页
        5.3.1 SuBSENSE背景减除第98-99页
        5.3.2 ICNet实时语义分割第99-100页
        5.3.3 RTSS框架第100-105页
    5.4 实验结果与分析第105-117页
    5.5 本章小结第117-119页
第6章 基于卷积神经网络的前景检测结果融合第119-131页
    6.1 引言第119页
    6.2 集成学习在前景目标检测中的应用第119-122页
    6.3 基于卷积神经网络的前景检测结果融合第122-125页
        6.3.1 网络结构第122-124页
        6.3.2 训练过程第124-125页
    6.4 实验结果与分析第125-129页
    6.5 本章小结第129-131页
第7章 总结与展望第131-135页
    7.1 本文工作总结第131-132页
    7.2 未来研究工作展望第132-135页
参考文献第135-149页
作者简历及攻读学位期间发表的学术论文与研究成果第149-151页
致谢第151页

论文共151页,点击 下载论文
上一篇:水平激光通信自适应校正性能分析及波前探测方法研究
下一篇:云计算环境下工作流任务调度算法研究