蔬菜大棚监控视频处理关键技术的研究
摘要 | 第4-5页 |
ABSTRACT | 第5页 |
1 绪论 | 第8-13页 |
1.1 课题背景 | 第8-10页 |
1.2 国内外研究现状 | 第10-11页 |
1.3 研究内容和意义 | 第11-13页 |
1.3.1 研究内容 | 第11页 |
1.3.2 研究意义 | 第11-13页 |
2 运动目标检测 | 第13-37页 |
2.1 光流法 | 第13-16页 |
2.2 帧差法 | 第16-19页 |
2.3 背景减除法 | 第19-37页 |
2.3.1 最大-最小值滤波法 | 第20页 |
2.3.2 均值滤波法 | 第20-21页 |
2.3.3 线性预测法 | 第21-22页 |
2.3.4 单高斯模型 | 第22-23页 |
2.3.5 混合高斯模型 | 第23-27页 |
2.3.6 码书模型 | 第27-37页 |
3 改进的码书模型 | 第37-70页 |
3.1 颜色空间的改进 | 第37-43页 |
3.1.1 颜色空间 | 第37-40页 |
3.1.2 基于YUV空间的码书模型 | 第40-43页 |
3.2 构建对象的改进 | 第43-52页 |
3.2.1 基于块的码书模型 | 第43-48页 |
3.2.2 双层码书模型 | 第48-52页 |
3.3 自适应更新码书模型 | 第52-57页 |
3.4 针对光照突变的改进 | 第57-63页 |
3.5 填充前景目标空洞 | 第63-70页 |
3.5.1 形态学图像处理 | 第63-65页 |
3.5.2 空洞填充 | 第65-70页 |
4 BP神经网络在运动检测中的应用 | 第70-90页 |
4.1 人工神经网络 | 第70-74页 |
4.2 BP神经网络 | 第74-85页 |
4.2.1 BP神经网络原理 | 第74-77页 |
4.2.2 BP神经网络的训练和应用过程 | 第77-80页 |
4.2.3 BP神经网络的参数 | 第80-84页 |
4.2.4 BP神经网络的改进 | 第84-85页 |
4.2.5 BP神经网络的应用 | 第85页 |
4.3 BP神经网络在前景检测中的应用 | 第85-90页 |
4.3.1 提取前景轨迹特征 | 第85-87页 |
4.3.2 BP神经网络进行分类 | 第87-90页 |
5 视频压缩在检测视频中的应用 | 第90-98页 |
5.1 视频压缩标准介绍 | 第90-92页 |
5.2 视频压缩技术介绍 | 第92-96页 |
5.2.1 预测编码 | 第92-95页 |
5.2.2 变化编码 | 第95-96页 |
5.3 视频压缩在蔬菜大棚监控视频中的应用 | 第96-98页 |
6 结论 | 第98-99页 |
7 展望 | 第99-100页 |
8 参考文献 | 第100-106页 |
9 致谢 | 第106页 |