基于背景减除法的运动目标检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 典型的运动目标检测方法 | 第12-13页 |
| 1.2.2 背景减除法的发展过程 | 第13-15页 |
| 1.3 需要解决的难点 | 第15-16页 |
| 1.4 本文的研究内容及章节安排 | 第16-18页 |
| 第二章 背景减除法的典型模型 | 第18-32页 |
| 2.1 背景减除法 | 第18-20页 |
| 2.2 典型模型 | 第20-31页 |
| 2.2.1 单高斯模型 | 第20页 |
| 2.2.2 混合高斯模型 | 第20-22页 |
| 2.2.3 码本模型 | 第22页 |
| 2.2.4 W4模型 | 第22-23页 |
| 2.2.5 非参数核密度估计模型 | 第23-25页 |
| 2.2.6 自组织神经网络模型 | 第25-28页 |
| 2.2.7 ViBe模型 | 第28页 |
| 2.2.8 样本一致性模型 | 第28-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于区域信息的自适应码本目标检测算法 | 第32-43页 |
| 3.1 传统码本模型 | 第32-33页 |
| 3.2 基于区域信息的自适应码本模型 | 第33-37页 |
| 3.2.1 背景建立 | 第34-36页 |
| 3.2.2 前景检测 | 第36页 |
| 3.2.3 背景更新 | 第36-37页 |
| 3.3 实验与讨论 | 第37-42页 |
| 3.3.1 前背景转换测试 | 第37-38页 |
| 3.3.2 综合性能对比测试 | 第38-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于改进ViBe模型的运动目标检测算法 | 第43-54页 |
| 4.1 传统ViBe模型 | 第43-45页 |
| 4.2 改进的ViBe模型 | 第45-49页 |
| 4.2.1 改进模型的初始化方式 | 第45-46页 |
| 4.2.2 改进前景检测 | 第46-47页 |
| 4.2.3 改进模型的更新方式 | 第47-48页 |
| 4.2.4 阴影去除 | 第48页 |
| 4.2.5 形态学处理 | 第48-49页 |
| 4.3 实验与讨论 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |
