基于关键帧的核密度估计运动目标检测
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究意义和背景 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·问题与挑战 | 第13-14页 |
| ·主要内容与结构安排 | 第14-15页 |
| 第2章 运动目标检测理论 | 第15-32页 |
| ·常用运动目标检测算法研究 | 第15-19页 |
| ·光流法 | 第15-16页 |
| ·帧间差分法 | 第16-18页 |
| ·背景减除法 | 第18-19页 |
| ·背景建模 | 第19-25页 |
| ·统计平均法 | 第20-21页 |
| ·W4 模型 | 第21页 |
| ·单高斯模型 | 第21-23页 |
| ·混合高斯模型 | 第23-25页 |
| ·非参数统计背景建模 | 第25-31页 |
| ·核密度估计 | 第26-28页 |
| ·核密度估计的渐近收敛性 | 第28-29页 |
| ·核函数与带宽的选择 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 结合聚类算法的核密度估计 | 第32-46页 |
| ·聚类的常用方法 | 第32-34页 |
| ·基于划分的算法 | 第32页 |
| ·基于层次的算法 | 第32-33页 |
| ·基于密度的算法 | 第33-34页 |
| ·基于网格的算法 | 第34页 |
| ·K-MEANS 算法的参数选择 | 第34-36页 |
| ·相似度的选择 | 第34-35页 |
| ·聚类结果评价 | 第35-36页 |
| ·优化初始中心的 K-MEANS 算法 | 第36-41页 |
| ·传统 K-means 算法的基本思想 | 第36-37页 |
| ·优化初始中心的 K-means 算法理论 | 第37-41页 |
| ·引入 K-MEANS 算法的运动目标检测 | 第41-45页 |
| ·实验结果与分析 | 第42-44页 |
| ·时间复杂度分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 快速创建关键帧算法 | 第46-66页 |
| ·核密度估计背景建模 | 第46-50页 |
| ·窗宽的选择 | 第48-49页 |
| ·目标检测 | 第49页 |
| ·背景更新 | 第49-50页 |
| ·核密度估计算法的改进 | 第50-53页 |
| ·创建关键帧 | 第50-52页 |
| ·实验步骤 | 第52-53页 |
| ·实验结果与分析 | 第53-60页 |
| ·基于 HSV 色彩空间的阴影去除 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读硕士期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
