视频序列中的运动目标分类算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·涉及的学科领域 | 第11-12页 |
| ·论文主要研究内容 | 第12-13页 |
| ·本文章节安排 | 第13-14页 |
| 第二章 运动目标检测、跟踪及阴影消除 | 第14-28页 |
| ·背景提取算法 | 第14-17页 |
| ·常见背景提取算法 | 第14-15页 |
| ·本文背景提取算法 | 第15-17页 |
| ·运动目标检测 | 第17-21页 |
| ·帧差法 | 第17-18页 |
| ·背景减法 | 第18页 |
| ·光流法 | 第18-19页 |
| ·本文目标检测算法 | 第19-21页 |
| ·运动目标跟踪 | 第21-22页 |
| ·阴影检测及消除 | 第22-27页 |
| ·RGB 空间阴影检测法 | 第22-23页 |
| ·HSV 空间阴影检测法 | 第23页 |
| ·基于阴影属性的阴影检测法 | 第23-24页 |
| ·快速归一化互相关 FNCC 阴影检测法 | 第24-26页 |
| ·HSV 与 FNCC 混合检测法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 运动目标分类理论基础 | 第28-36页 |
| ·目标分类问题描述 | 第28-29页 |
| ·运动目标分类算法 | 第29-32页 |
| ·基于目标静态特征的分类算法 | 第29-31页 |
| ·基于目标运动特征的分类算法 | 第31页 |
| ·本文的分类方法 | 第31-32页 |
| ·目标特征选取 | 第32-35页 |
| ·目标形状特征的选取 | 第32-33页 |
| ·目标运动速度的计算 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于 SV M 的运动目标分类 | 第36-47页 |
| ·支持向量机 SV M 理论概述 | 第37页 |
| ·支持向量机涉及内容 | 第37-41页 |
| ·最优分类面 | 第37-39页 |
| ·广义最优分类界面 | 第39-40页 |
| ·核函数 | 第40-41页 |
| ·基于 S V M 的运动目标分类 | 第41-46页 |
| ·多类支持向量机 | 第41-43页 |
| ·特征描述与训练 | 第43-45页 |
| ·算法流程 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-55页 |
| ·实验设置和实验步骤 | 第47页 |
| ·实验结果 | 第47-51页 |
| ·实验结果分析 | 第51页 |
| ·优化处理 | 第51-54页 |
| ·目标区域有效性检测 | 第51-52页 |
| ·多帧联合检测 | 第52-54页 |
| ·隔帧分类 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 研究生期间研究成果及发表的学术论文 | 第62页 |
