| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-14页 |
| 缩略语对照表 | 第14-18页 |
| 第一章 绪论 | 第18-36页 |
| 1.1 研究背景及意义 | 第18-19页 |
| 1.2 研究及发展现状 | 第19-30页 |
| 1.2.1 运动检测的研究现状 | 第19-25页 |
| 1.2.2 复杂环境下运动检测面对的主要挑战 | 第25页 |
| 1.2.3 运动检测常用的后处理办法 | 第25-26页 |
| 1.2.4 目标跟踪的研究现状 | 第26-30页 |
| 1.3 公共数据集及性能评测方法 | 第30-32页 |
| 1.3.1 公共数据集 | 第30-31页 |
| 1.3.2 度量参数 | 第31-32页 |
| 1.4 主要研究内容及章节安排 | 第32-36页 |
| 1.4.1 主要研究内容 | 第33-34页 |
| 1.4.2 章节安排 | 第34-36页 |
| 第二章 基于多特征融合的复杂场景运动目标检测方法 | 第36-50页 |
| 2.1 引言 | 第36-37页 |
| 2.2 设计思路 | 第37页 |
| 2.3 算法原理 | 第37-44页 |
| 2.3.1 算法流程 | 第37-38页 |
| 2.3.2 图像局部纹理算子 | 第38-41页 |
| 2.3.3 基于图像块背景建模算法设计 | 第41-44页 |
| 2.3.4 类ViBe算法设计 | 第44页 |
| 2.4 实验及分析 | 第44-47页 |
| 2.4.1 实验设计 | 第44页 |
| 2.4.2 实验结果和分析 | 第44-47页 |
| 2.4.3 算法性能的进一步验证 | 第47页 |
| 2.5 本章小结 | 第47-50页 |
| 第三章 结合自适应阴影检测器的ViBe运动目标检测方法 | 第50-64页 |
| 3.1 引言 | 第50-51页 |
| 3.2 阴影光照模型 | 第51-53页 |
| 3.3 SAViBe+算法 | 第53-58页 |
| 3.3.1 算法流程 | 第53-54页 |
| 3.3.2 纹理模型TM设计 | 第54-56页 |
| 3.3.3 色调模型HM设计 | 第56-57页 |
| 3.3.4 MofV因子设计 | 第57-58页 |
| 3.4 实验及分析 | 第58-62页 |
| 3.4.1 实验设计 | 第58-59页 |
| 3.4.2 直观效果对比 | 第59-61页 |
| 3.4.3 量化对比分析 | 第61-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 基于双关联模型的运动目标检测方法 | 第64-74页 |
| 4.1 引言 | 第64-65页 |
| 4.2 N-model和E-model设计 | 第65-67页 |
| 4.2.1 AdaBoost算法基本原理 | 第65页 |
| 4.2.2 基于AdaBoost-Like的双关联背景模型设计 | 第65-67页 |
| 4.3 DMSTAB算法设计 | 第67-70页 |
| 4.3.1 寻找潜在的阴影像素点 | 第67-69页 |
| 4.3.2 自适应门限和空域调整 | 第69页 |
| 4.3.3 实验设计 | 第69-70页 |
| 4.4 实验及分析 | 第70-72页 |
| 4.4.1 主观效果对比 | 第70-72页 |
| 4.4.2 量化对比分析 | 第72页 |
| 4.5 本章小结 | 第72-74页 |
| 第五章 复杂场景下长时抗干扰跟踪算法 | 第74-88页 |
| 5.1 引言 | 第74-75页 |
| 5.2 设计思路 | 第75页 |
| 5.3 算法原理 | 第75-83页 |
| 5.4 实验及分析 | 第83-86页 |
| 5.5 本章小结 | 第86-88页 |
| 第六章 智能电子警察系统 | 第88-106页 |
| 6.1 引言 | 第88页 |
| 6.2 车辆检测 | 第88-101页 |
| 6.2.1 基于Harr特征和AdaBoost算法的车辆检测 | 第89-92页 |
| 6.2.2 基于空时置信关系的车辆检测 | 第92-101页 |
| 6.3 车辆跟踪 | 第101-102页 |
| 6.4 电子警察系统效果展示 | 第102-105页 |
| 6.5 本章小结 | 第105-106页 |
| 第七章 总结与展望 | 第106-110页 |
| 7.1 工作总结 | 第106-108页 |
| 7.2 工作展望 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 致谢 | 第120-122页 |
| 作者简介 | 第122-123页 |
