| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状 | 第14-17页 |
| 1.2.1 以运动信息为先验的运动目标检测 | 第15页 |
| 1.2.2 基于特定物体的视频目标检测 | 第15-17页 |
| 1.3 本文的工作与安排 | 第17-20页 |
| 第二章 相关算法介绍 | 第20-32页 |
| 2.1 运动目标检测相关算法介绍 | 第20-23页 |
| 2.1.1 帧间差分法 | 第20-21页 |
| 2.1.2 背景减除法 | 第21-23页 |
| 2.2 特定物体的目标检测相关算法介绍 | 第23-32页 |
| 2.2.1 基于候选区域卷积神经网络(R-CNN)的系列目标检测算法 | 第24-29页 |
| 2.2.2 基于回归卷积神经网络的目标检测算法 | 第29-32页 |
| 第三章 基于重复先验投票的运动目标检测算法 | 第32-47页 |
| 3.1 重复模式先验假设 | 第32-33页 |
| 3.2 基于重复先验投票的运动目标检测算法 | 第33-40页 |
| 3.2.1 背景概率图计算 | 第34-35页 |
| 3.2.2 超像素分割和概率初始化 | 第35-36页 |
| 3.2.3 空间约束构图 | 第36-38页 |
| 3.2.4 基于图的流形排序 | 第38-39页 |
| 3.2.5 背景模型更新 | 第39页 |
| 3.2.6 检测框架流程 | 第39-40页 |
| 3.3 实验分析 | 第40-46页 |
| 3.3.1 实验设定 | 第40-41页 |
| 3.3.2 对比结果 | 第41-44页 |
| 3.3.3 成分分析 | 第44-45页 |
| 3.3.4 效率分析 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于3D卷积神经网络与YOLO2框架的视频目标检测算法 | 第47-66页 |
| 4.1 卷积神经网络算法 | 第47-52页 |
| 4.1.1 人工神经网络 | 第47-49页 |
| 4.1.2 反向传播算法 | 第49-50页 |
| 4.1.3 卷积神经网络 | 第50-52页 |
| 4.2 YOLO2目标检测算法 | 第52-53页 |
| 4.3 基于3D卷积神经网络与YOLO2框架的目标检测算法 | 第53-60页 |
| 4.3.1 3D卷积 | 第54-56页 |
| 4.3.2 网络结构 | 第56-58页 |
| 4.3.3 锚点回归与损失函数 | 第58-59页 |
| 4.3.4 数据增强学习策略 | 第59-60页 |
| 4.4 实验与分析 | 第60-65页 |
| 4.4.1 实验设定 | 第60-62页 |
| 4.4.2 训练过程 | 第62页 |
| 4.4.3 对比结果 | 第62-64页 |
| 4.4.4 效率分析 | 第64-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 攻读硕士学位期间参加的科研项目 | 第75页 |
