| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题来源 | 第9页 |
| 1.2 视频监控研究现状 | 第9-11页 |
| 1.3 运动目标检测研究现状 | 第11-13页 |
| 1.4 运动目标检测的难点和期望 | 第13-14页 |
| 1.5 研究内容 | 第14-15页 |
| 2 数字图像处理相关理论基础 | 第15-23页 |
| 2.1 颜色模型 | 第15-17页 |
| 2.1.1 RGB颜色模型 | 第15-16页 |
| 2.1.2 HSV颜色模型 | 第16-17页 |
| 2.1.3 RGB颜色模型到HSV颜色模型的转化 | 第17页 |
| 2.2 图像去噪 | 第17-20页 |
| 2.3 数学形态学处理 | 第20-22页 |
| 2.3.1 腐蚀 | 第20-21页 |
| 2.3.2 膨胀 | 第21页 |
| 2.3.3 开运算及闭运算 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 3 基于混合高斯背景建模的运动目标检测算法 | 第23-37页 |
| 3.1 背景建模方法 | 第23-26页 |
| 3.1.1 进行背景建模的原因 | 第23-24页 |
| 3.1.2 常用的背景建模方法 | 第24-26页 |
| 3.2 混合高斯背景建模 | 第26-31页 |
| 3.2.1 混合高斯背景建模的原理 | 第26-27页 |
| 3.2.2 混合高斯背景建模的算法实现 | 第27-31页 |
| 3.3 仿真结果与分析 | 第31-36页 |
| 3.4 本章小结 | 第36-37页 |
| 4 基于非参数核密度估计背景建模的运动目标检测算法 | 第37-61页 |
| 4.1 核密度估计理论 | 第37-43页 |
| 4.1.1 非参数估计基本思想 | 第37-39页 |
| 4.1.2 Parzen核估计 | 第39-41页 |
| 4.1.3 核函数的选择 | 第41-42页 |
| 4.1.4 窗宽的选择 | 第42-43页 |
| 4.2 高斯核密度估计背景建模的算法实现 | 第43-50页 |
| 4.2.1 背景建模 | 第43-44页 |
| 4.2.2 选择窗宽 | 第44-46页 |
| 4.2.3 前景目标检测 | 第46-47页 |
| 4.2.4 误检抑制 | 第47-48页 |
| 4.2.5 背景模型的更新 | 第48-50页 |
| 4.3 仿真结果与分析 | 第50-57页 |
| 4.4 阴影消除 | 第57-60页 |
| 4.4.1 阴影消除方法概述 | 第58页 |
| 4.4.2 基于HSV颜色空间的阴影消除 | 第58-59页 |
| 4.4.3 阴影消除结果 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |