| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 智能视频监控技术中的运动目标检测 | 第11-15页 |
| 1.2.1 智能视频监控系统 | 第11-13页 |
| 1.2.2 国内外研究现状 | 第13-14页 |
| 1.2.3 技术难点 | 第14-15页 |
| 1.3 本文主要结构安排 | 第15-17页 |
| 第二章 典型的视频运动目标检测方法 | 第17-30页 |
| 2.1 引言 | 第17-18页 |
| 2.2 视频运动目标检测方法概述 | 第18-21页 |
| 2.2.1 时间差分法 | 第18页 |
| 2.2.2 光流法 | 第18-19页 |
| 2.2.3 背景减除法 | 第19-20页 |
| 2.2.4 基于统计模型的方法 | 第20页 |
| 2.2.5 基于特征融合的方法 | 第20-21页 |
| 2.3 几种常用背景建模方法分析和比较 | 第21-30页 |
| 2.3.1 基于三帧差分的背景减除方法 | 第21-22页 |
| 2.3.2 中值/均值滤波法 | 第22-23页 |
| 2.3.3 混合高斯法 | 第23-27页 |
| 2.3.4 卡尔曼低通滤波法 | 第27页 |
| 2.3.5 实验结果及分析 | 第27-30页 |
| 第三章 基于时空信息融合的运动目标检测 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 基于卡尔曼低通滤波的目标检测改进算法 | 第30-38页 |
| 3.2.1 卡尔曼滤波原理 | 第30-32页 |
| 3.2.2 基于卡尔曼时域递归低通滤波的背景建模方法 | 第32-33页 |
| 3.2.3 背景建模中增益因子的改进算法 | 第33-34页 |
| 3.2.4 实验结果与分析 | 第34-38页 |
| 3.3 基于边缘信息的运动目标检测 | 第38-47页 |
| 3.3.1 基于边缘的运动目标检测 | 第38-42页 |
| 3.3.2 运动目标检测中边缘连接的改进方法 | 第42-46页 |
| 3.3.3 实验结果与分析 | 第46-47页 |
| 3.4 基于时空信息融合的运动目标检测 | 第47-50页 |
| 3.4.1 算法原理 | 第47-48页 |
| 3.4.2 实验结果与分析 | 第48-50页 |
| 3.5 小结 | 第50-52页 |
| 第四章 总结 | 第52-53页 |
| 4.1 本文工作总结 | 第52页 |
| 4.2 未来工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士期间发表论文 | 第60页 |