| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外的研究现状及趋势 | 第12-15页 |
| 1.2.1 背景减除法 | 第12-13页 |
| 1.2.2 帧间差分法 | 第13页 |
| 1.2.3 光流法 | 第13-14页 |
| 1.2.4 机器学习 | 第14页 |
| 1.2.5 优化法 | 第14-15页 |
| 1.3 本文内容简介 | 第15-16页 |
| 第2章 基于加权Kolmogorov-Smirnov算法的视频运动目标检测 | 第16-35页 |
| 2.1 引言 | 第16-17页 |
| 2.2 非负矩阵分解 | 第17-20页 |
| 2.2.1 基本思想 | 第17-18页 |
| 2.2.2 概率理解 | 第18-19页 |
| 2.2.3 目标函数与迭代算法 | 第19-20页 |
| 2.3 混合高斯背景模型的调整 | 第20-26页 |
| 2.3.1 目标函数 | 第21-25页 |
| 2.3.1.1 估计的一致性 | 第22-23页 |
| 2.3.1.2 估计的鲁棒性 | 第23-25页 |
| 2.3.2 目标函数的求解 | 第25-26页 |
| 2.4 提出算法的框架 | 第26-27页 |
| 2.5 实验和分析 | 第27-34页 |
| 2.5.1 测试一致性和鲁棒性 | 第27-30页 |
| 2.5.2 参数分析 | 第30-31页 |
| 2.5.3 性能评估 | 第31-34页 |
| 2.5.3.1 无噪声的情况 | 第32-33页 |
| 2.5.3.2 有噪声的情况 | 第33-34页 |
| 2.6 总结 | 第34-35页 |
| 第3章 基于动态图割算法的视频运动目标检测 | 第35-50页 |
| 3.1 引言 | 第35页 |
| 3.2 图割算法 | 第35-42页 |
| 3.2.1 建立能量函数 | 第35-36页 |
| 3.2.2 混合高斯背景建模 | 第36-37页 |
| 3.2.3 参数估计 | 第37-39页 |
| 3.2.3.1 马尔可夫随机场 | 第37-38页 |
| 3.2.3.2 估计参数 | 第38-39页 |
| 3.2.4 构造网络图 | 第39-41页 |
| 3.2.5 用最大流/最小切算法求解 | 第41-42页 |
| 3.3 图割算法的实验结果 | 第42-44页 |
| 3.4 动态图割算法 | 第44-47页 |
| 3.4.1 网络图的再参数化 | 第44-45页 |
| 3.4.2 再计算动态MRF-MAP解决方案 | 第45-47页 |
| 3.4.2.1 更新剩余图 | 第45-47页 |
| 3.4.2.2 更新操作的复杂度分析 | 第47页 |
| 3.5 优化算法 | 第47-49页 |
| 3.5.1 再使用搜索树 | 第48页 |
| 3.5.2 动态图割中树的再使用 | 第48-49页 |
| 3.5.2.1 树的恢复阶段 | 第48-49页 |
| 3.5.2.2 动态节点激活 | 第49页 |
| 3.6 算法的框架 | 第49页 |
| 3.7 总结 | 第49-50页 |
| 第4章 总结与展望 | 第50-52页 |
| 4.1 总结 | 第50-51页 |
| 4.2 展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 | 第57页 |