| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要内容与主要知识点简介 | 第13-16页 |
| 1.3.1 论文主要内容 | 第13-14页 |
| 1.3.2 主要知识点简介 | 第14-16页 |
| 1.4 本章小结 | 第16-18页 |
| 2 典型背景建模算法理论 | 第18-28页 |
| 2.1 帧间差分法 | 第18-19页 |
| 2.2 混合高斯背景建模算法 | 第19-21页 |
| 2.3 ViBe背景建模算法 | 第21-24页 |
| 2.4 SuBSENSE背景建模算法 | 第24页 |
| 2.5 本章小结 | 第24-28页 |
| 3 降维提取特征理论 | 第28-34页 |
| 3.1 线性降维——主成分分析法（PCA） | 第28-30页 |
| 3.1.1 PCA算法实现 | 第29页 |
| 3.1.2 主成分贡献率 | 第29-30页 |
| 3.2 自编码神经网络（Autoencoder） | 第30-32页 |
| 3.3 PCA与Autoencoder比较 | 第32页 |
| 3.4 本章小结 | 第32-34页 |
| 4 聚类算法理论 | 第34-42页 |
| 4.1 相似度的表示 | 第34-37页 |
| 4.2 聚类算法分类 | 第37-39页 |
| 4.2.1 K-means | 第37页 |
| 4.2.2 K-mediods | 第37-38页 |
| 4.2.3 谱聚类 | 第38-39页 |
| 4.3 聚类个数的评估 | 第39-40页 |
| 4.4 本章小结 | 第40-42页 |
| 5 基于长时间视频序列的背景建模方法研究 | 第42-62页 |
| 5.1 长时间背景建模框架总览 | 第42-43页 |
| 5.2 训练背景字典 | 第43-49页 |
| 5.2.1 降维获取长时间视频的合理描述 | 第43-45页 |
| 5.2.2 随机树谱聚类以及K-means++再聚类生成背景字典 | 第45-49页 |
| 5.3 图像检索 | 第49-52页 |
| 5.3.1 非平稳变化判断机制 | 第50页 |
| 5.3.2 阈值T的确定 | 第50-52页 |
| 5.3.3 原图像描述 | 第52页 |
| 5.3.4 检索判断方法 | 第52页 |
| 5.4 背景字典更新 | 第52-54页 |
| 5.4.1 更新判断机制 | 第53页 |
| 5.4.2 阈值uT的确定 | 第53-54页 |
| 5.4.3 更新以及生成新背景方法 | 第54页 |
| 5.5 长短时空域背景建模融合 | 第54-55页 |
| 5.6 实验结果与分析 | 第55-61页 |
| 5.6.1 实验结果 | 第55-60页 |
| 5.6.2 性能分析 | 第60页 |
| 5.6.3 实时性分析 | 第60-61页 |
| 5.7 本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-66页 |
| 6.1 本文工作总结 | 第62-63页 |
| 6.2 前景展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果致谢 | 第70-72页 |
| 致谢 | 第72-73页 |