| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 课题研究现状及存在的问题 | 第11-14页 |
| 1.2.1 感兴趣运动目标检测技术的研究现状及存在的问题 | 第11-13页 |
| 1.2.2 异构并行技术的研究现状及存在的问题 | 第13-14页 |
| 1.3 论文的研究内容和结构安排 | 第14-16页 |
| 第2章 马尔科夫随机场 | 第16-27页 |
| 2.1 马尔科夫随机场 | 第16-23页 |
| 2.1.1 邻域系统与马尔科夫性 | 第16-17页 |
| 2.1.2 马尔科夫随机场与吉布斯随机场 | 第17-18页 |
| 2.1.3 马尔科夫随机场和最大后验概率体系 | 第18-19页 |
| 2.1.4 马尔科夫随机场能量最小化 | 第19-23页 |
| 2.2 高阶马尔科夫随机场 | 第23-26页 |
| 2.2.1 高阶能量模型 | 第23-25页 |
| 2.2.2 高阶能量优化 | 第25-26页 |
| 2.3 本章总结 | 第26-27页 |
| 第3章 基于图割的感兴趣运动目标检测跨平台并行实现 | 第27-40页 |
| 3.1 引言 | 第27页 |
| 3.2 OPENCL技术介绍 | 第27-31页 |
| 3.2.1 OpenCL平台模型 | 第28页 |
| 3.2.2 OpenCL执行模型 | 第28-29页 |
| 3.2.3 OpenCL内存模型 | 第29-30页 |
| 3.2.4 OpenCL编程模型 | 第30-31页 |
| 3.3 连续最大流算法 | 第31-32页 |
| 3.4 基于OPENCL的连续最大流算法并行实现 | 第32-35页 |
| 3.4.1 算法的并行特征分析 | 第32页 |
| 3.4.2 内核任务划分 | 第32-34页 |
| 3.4.3 OpenCL程序实现 | 第34-35页 |
| 3.5 实验分析 | 第35-39页 |
| 3.5.1 图像分割结果 | 第35-37页 |
| 3.5.2 视频分割结果 | 第37-39页 |
| 3.6 本章总结 | 第39-40页 |
| 第4章 基于高阶MRF模型的感兴趣运动目标检测 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 相关研究进展 | 第41-42页 |
| 4.3 基于高阶MRF模型感兴趣运动目标检测算法 | 第42-46页 |
| 4.3.1 高阶势能MRF模型 | 第42页 |
| 4.3.2 高阶势能项的构建 | 第42-45页 |
| 4.3.3 算法流程 | 第45-46页 |
| 4.4 实验分析 | 第46-51页 |
| 4.4.1 高阶势能--Haar分类器检测结果 | 第46-47页 |
| 4.4.2 单类运动目标视频检测结果 | 第47-48页 |
| 4.4.3 多类运动目标视频检测结果 | 第48-51页 |
| 4.5 本章总结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 本文不足之处和展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60页 |