| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题的背景与意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文内容与结构安排 | 第12-14页 |
| 2 背景建模算法理论基础 | 第14-27页 |
| 2.1 背景建模算法基本流程 | 第14-15页 |
| 2.2 背景建模算法面临的挑战 | 第15-16页 |
| 2.3 经典背景建模算法 | 第16-26页 |
| 2.3.1 混合高斯 | 第16-18页 |
| 2.3.2 核密度 | 第18-21页 |
| 2.3.3 码本 | 第21-24页 |
| 2.3.4 ViBe | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于ViBe算法与模型最大化策略的背景建模算法 | 第27-41页 |
| 3.1 问题分析 | 第27-30页 |
| 3.2 直方图理论 | 第30-31页 |
| 3.3 MDPA距离 | 第31-33页 |
| 3.4 背景建模算法设计 | 第33-37页 |
| 3.4.1 背景建模 | 第33-34页 |
| 3.4.2 前景检测与背景更新 | 第34-37页 |
| 3.5 复杂场景中的运动前景检测实验 | 第37-40页 |
| 3.5.1 实验数据介绍 | 第37页 |
| 3.5.2 评价标准 | 第37-38页 |
| 3.5.3 实验结果及分析 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 基于SLIC超像素的背景建模算法 | 第41-51页 |
| 4.1 问题分析 | 第41-42页 |
| 4.2 SLIC超像素分割 | 第42-43页 |
| 4.3 背景建模算法设计 | 第43-47页 |
| 4.3.1 背景建模 | 第43-44页 |
| 4.3.2 前景检测 | 第44-45页 |
| 4.3.3 背景更新 | 第45-47页 |
| 4.4 复杂场景中的运动前景检测实验 | 第47-50页 |
| 4.4.1 实验数据介绍 | 第47页 |
| 4.4.2 评价标准 | 第47页 |
| 4.4.3 实验结果及分析 | 第47-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表学术论文情况 | 第56-57页 |
| 致谢 | 第57-58页 |