| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 背景减除研究背景与意义 | 第9-10页 |
| 1.2 背景减除法的基本步骤和挑战 | 第10-11页 |
| 1.3 背景减除法研究现状 | 第11-14页 |
| 1.4 本文的组织架构 | 第14-16页 |
| 第2章 简单的背景模型 | 第16-26页 |
| 2.1 帧间差方法 | 第16-18页 |
| 2.2 帧间差方法中的背景模型更新方法 | 第18页 |
| 2.3 ∑-Δ算法 | 第18-22页 |
| 2.3.1 Σ-Δ算法 | 第19-22页 |
| 2.4 测试数据和评估指标 | 第22-23页 |
| 2.5 本章算法实验结果分析 | 第23-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 基于参数统计分布的背景模型 | 第26-33页 |
| 3.1 基于高斯分布的背景模型 | 第26-27页 |
| 3.2 混合高斯分布模型 | 第27-30页 |
| 3.2.1 混合高斯分布模型 | 第27-29页 |
| 3.2.2 背景模型估计 | 第29页 |
| 3.2.3 混合高斯分布模型的改进 | 第29-30页 |
| 3.3 本章实验结果和分析 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于非参数统计分布的背景模型 | 第33-52页 |
| 4.1 Codebook | 第33-36页 |
| 4.1.1 Codebook模型建立 | 第33-35页 |
| 4.1.2 色度和亮度 | 第35-36页 |
| 4.1.3 前景检测 | 第36页 |
| 4.2 ViBe | 第36-39页 |
| 4.2.1 背景模型的建立 | 第37页 |
| 4.2.2 前景检测 | 第37页 |
| 4.2.3 背景模型的更新 | 第37-39页 |
| 4.3 PBAS | 第39-42页 |
| 4.3.1 背景模型建立和前景检测 | 第39-40页 |
| 4.3.2 背景模型的更新 | 第40页 |
| 4.3.3 决策阈值R(xi)的更新 | 第40-41页 |
| 4.3.4 更新率T(xi)的更新 | 第41-42页 |
| 4.4 SuBSENSE | 第42-46页 |
| 4.4.1 背景模型的建立 | 第42-44页 |
| 4.4.2 前景检测 | 第44页 |
| 4.4.3 背景模型更新 | 第44-46页 |
| 4.5 多时空尺度背景模型 | 第46-48页 |
| 4.5.1 多时空尺度背景模型的初始化 | 第46-47页 |
| 4.5.2 前景检测 | 第47页 |
| 4.5.3 多时空尺度背景模型的更新 | 第47-48页 |
| 4.6 本章实验结果分析 | 第48-50页 |
| 4.7 本章小结 | 第50-52页 |
| 第5章 非线性背景模型更新方法 | 第52-65页 |
| 5.1 基于非线性平滑更新策略的帧间差算法 | 第52页 |
| 5.2 非线性平滑更新策略的帧间差算法实验结果 | 第52-59页 |
| 5.3 基于非线性平滑更新策略的ViBe算法 | 第59-61页 |
| 5.3.1 背景模型建立和前景检测 | 第60页 |
| 5.3.2 非线性更新方法 | 第60-61页 |
| 5.3.3 线性加权平滑的更新策略 | 第61页 |
| 5.4 基于非线性平滑更新策略的ViBe算法实验结果 | 第61-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 6.1 本文总结 | 第65-66页 |
| 6.2 未来展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70页 |