智能监控视频中的目标检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 引言 | 第8页 |
| 1.2 选题背景和研究意义 | 第8-9页 |
| 1.3 智能视频监控目标检测技术研究现状 | 第9-14页 |
| 1.3.1 智能监控视频系统 | 第10-11页 |
| 1.3.2 监控视频中的目标检测 | 第11-12页 |
| 1.3.3 固定场景监控中暂时静止目标检测 | 第12-14页 |
| 1.4 本文研究的主要内容 | 第14-15页 |
| 1.5 论文内容安排 | 第15-18页 |
| 第二章 基于背景建模的运动检测 | 第18-26页 |
| 2.1 高斯背景模型 | 第19-22页 |
| 2.1.1 高斯背景模型的建立和分量更新 | 第19-22页 |
| 2.1.2 前景/背景分割 | 第22页 |
| 2.2 自适应混合高斯模型 | 第22-24页 |
| 2.2.1 自适应混合高斯模型的概念和应用 | 第22-23页 |
| 2.2.2 实验结果 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于背景建模的目标像素提取 | 第26-38页 |
| 3.1 高斯混合背景模型的改进 | 第26-29页 |
| 3.1.1 运动-静止物体背景建模 | 第26-27页 |
| 3.1.2 限制背景更新的背景模型 | 第27-29页 |
| 3.2 背景模型 | 第29-32页 |
| 3.2.1 背景模型的建立 | 第29-30页 |
| 3.2.2 背景模型的结果提取 | 第30-32页 |
| 3.3 目标区域像素提取 | 第32-36页 |
| 3.3.1 暂时静止目标背景模型 | 第33-34页 |
| 3.3.2 像素级目标检测 | 第34-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于超像素分割的目标区域提取 | 第38-49页 |
| 4.1 超像素分割 | 第38-40页 |
| 4.1.1 超像素分割的概念 | 第38-39页 |
| 4.1.2 超像素分割方法SLIC | 第39-40页 |
| 4.2 目标区域检测 | 第40-43页 |
| 4.2.1 超像素分类指标 | 第40-41页 |
| 4.2.2 区域级目标检测 | 第41-43页 |
| 4.3 实验结果 | 第43-48页 |
| 4.3.1 仿真环境 | 第43-44页 |
| 4.3.2 仿真结果 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表或已录用的学术论文 | 第55页 |
