| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第2章 运动目标检测算法概述 | 第17-29页 |
| 2.1 运动目标检测算法概述 | 第17-23页 |
| 2.1.1 帧间差分法 | 第18-19页 |
| 2.1.2 光流计算法 | 第19-20页 |
| 2.1.3 背景减除法 | 第20-23页 |
| 2.2 基于高斯混合模型的背景减除法 | 第23-28页 |
| 2.2.1 单高斯模型 | 第23-25页 |
| 2.2.2 高斯混合模型 | 第25-28页 |
| 2.3 小结 | 第28-29页 |
| 第3章 基于超像素点聚类分块的改进高斯混合模型 | 第29-38页 |
| 3.1 基于超像素点聚类分块的高斯混合模型 | 第29-32页 |
| 3.1.1 分区域处理思想的引入 | 第29-30页 |
| 3.1.2 超像素点聚类分块 | 第30-32页 |
| 3.2 改进的高斯混合模型 | 第32-37页 |
| 3.2.1 改进后的高斯混合模型算法的流程图 | 第32页 |
| 3.2.2 改进的高斯混合模型参数初始化方法 | 第32-34页 |
| 3.2.3 改进的高斯混合模型参数更新 | 第34-35页 |
| 3.2.4 背景模型选取 | 第35页 |
| 3.2.5 前景提取 | 第35-36页 |
| 3.2.6 后处理 | 第36-37页 |
| 3.3 小结 | 第37-38页 |
| 第4章 基于高斯混合模型视频的运动目标检测仿真实现 | 第38-45页 |
| 4.1 实验环境介绍 | 第38页 |
| 4.2 预处理 | 第38-40页 |
| 4.2.1 中值滤波原理 | 第38-40页 |
| 4.3 运动目标检测模块 | 第40-41页 |
| 4.4 可视化界面模块 | 第41-42页 |
| 4.5 实验结果分析 | 第42-43页 |
| 4.6 性能比较 | 第43-44页 |
| 4.7 小结 | 第44-45页 |
| 第5章 运动目标检测技术在智能交通监控系统中的应用 | 第45-59页 |
| 5.1 交通视频监控系统的基本构架 | 第45-51页 |
| 5.1.1 视频采集模块 | 第45-46页 |
| 5.1.2 图像预处理模块 | 第46页 |
| 5.1.3 运动目标检测模块 | 第46-47页 |
| 5.1.4 运动目标跟踪模块 | 第47-48页 |
| 5.1.5 智能处理模块 | 第48页 |
| 5.1.6 数据库模块 | 第48-51页 |
| 5.2 交通视频监控终端 | 第51-57页 |
| 5.2.1 交通视频监控终端的硬件结构 | 第51-53页 |
| 5.2.2 交通视频监控终端软件流程 | 第53-57页 |
| 5.3 实验结果 | 第57-58页 |
| 5.4 小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64页 |