| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本论文主要研究内容 | 第13页 |
| 1.4 本论文的结构安排 | 第13-15页 |
| 第二章 多光照变化场景中运动目标检测 | 第15-27页 |
| 2.1 运动目标检测算法简介 | 第15页 |
| 2.2 运动目标检测算法 | 第15-21页 |
| 2.2.1 帧间差分法 | 第15-17页 |
| 2.2.2 光流法 | 第17-18页 |
| 2.2.3 背景减除法 | 第18-21页 |
| 2.3 基于灰度比率差异模型的运动目标检测算法 | 第21-25页 |
| 2.3.1 多光照变化影响运动目标检测 | 第21-22页 |
| 2.3.2 灰度比率差异（GRD）模型 | 第22-23页 |
| 2.3.3 级联GRD和GMM运动目标检测 | 第23-25页 |
| 2.4 实验验证 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 融合纹理信息和局部结构特征的目标识别 | 第27-52页 |
| 3.1 基于Lab色彩空间的均值二值模式 | 第27-38页 |
| 3.1.1 纹理特征简介 | 第27-28页 |
| 3.1.2 局部二值模式及特点 | 第28-30页 |
| 3.1.3 LBP编码模式及旋转不变性 | 第30-31页 |
| 3.1.4 基于Lab色彩空间的局部均值二元模式（LMLBP） | 第31-33页 |
| 3.1.5 不同局部二元模式提取方法 | 第33-36页 |
| 3.1.6 纹理特征实验对比 | 第36-38页 |
| 3.2 局部结构特征 | 第38-48页 |
| 3.2.1 HOG特征简介 | 第38-39页 |
| 3.2.2 提取 HOG 特征 | 第39-42页 |
| 3.2.3 HOG分类器 | 第42-46页 |
| 3.2.4 实验效果及分析 | 第46-48页 |
| 3.3 融合LMLBP和局部结构特征的目标分类器 | 第48-51页 |
| 3.3.1 特征融合及训练分类器 | 第48-49页 |
| 3.3.2 实验及结果分析 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 融合颜色特征和可变模型的目标识别 | 第52-68页 |
| 4.1 颜色特征 | 第52-59页 |
| 4.1.1 颜色特征简介 | 第52-53页 |
| 4.1.2 不同的颜色特征 | 第53-57页 |
| 4.1.3 颜色属性色调直方图（CN-Hue）特征 | 第57-58页 |
| 4.1.4 实验对比不同颜色特征 | 第58-59页 |
| 4.2 融合颜色特征和可变模型的分类器 | 第59-64页 |
| 4.2.1 可变结构模型 | 第59-62页 |
| 4.2.2 基于CN-Hue的可变模型分类器 | 第62-64页 |
| 4.3 实验及效果分析 | 第64-67页 |
| 4.3.1 实验步骤 | 第64-66页 |
| 4.3.2 结果分析 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 多运动目标检测与识别 | 第68-73页 |
| 5.1 运动目标检测 | 第69-70页 |
| 5.2 基于LMLBP-HOG分类器的目标识别 | 第70-71页 |
| 5.3 基于CN-Hue_PHOG分类器的目标识别 | 第71-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第六章 总结和展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻硕期间取得的研究成果 | 第80-81页 |
