| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 运动目标检测技术研究现状 | 第10-16页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13-16页 |
| 1.2.3 国内外文献综述分析 | 第16页 |
| 1.3 论文研究内容 | 第16-18页 |
| 第2章 具有自适应运动补偿的双高斯背景模型运动目标检测 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 图像预处理 | 第18-19页 |
| 2.3 具有年龄的单高斯背景模型 | 第19-21页 |
| 2.3.1 单高斯背景模型 | 第19-20页 |
| 2.3.2 具有年龄的单高斯背景模型 | 第20-21页 |
| 2.4 双模式单高斯背景模型 | 第21-23页 |
| 2.5 自适应运动补偿 | 第23-32页 |
| 2.5.1 计算运动模型 | 第24-30页 |
| 2.5.2 评分机制 | 第30页 |
| 2.5.3 混合模型 | 第30-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 运动目标提取及结果优化 | 第34-47页 |
| 3.1 引言 | 第34页 |
| 3.2 检测前景像素 | 第34-35页 |
| 3.3 检测结果优化 | 第35-45页 |
| 3.3.1 去除阴影 | 第35-42页 |
| 3.3.2 去除孔洞 | 第42-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 基于MobileNets-SSD的运动目标识别 | 第47-62页 |
| 4.1 引言 | 第47页 |
| 4.2 网络选择 | 第47-56页 |
| 4.2.1 基于候选区域的深度学习目标检测识别算法 | 第48-52页 |
| 4.2.2 基于回归方法的深度学习目标检测识别算法 | 第52-56页 |
| 4.3 模型训练 | 第56-57页 |
| 4.4 运行加速方法 | 第57-60页 |
| 4.4.1 GPU加速 | 第57-58页 |
| 4.4.2 压缩模型 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第5章 实验结果及分析 | 第62-75页 |
| 5.1 引言 | 第62页 |
| 5.2 实验平台 | 第62-63页 |
| 5.3 相机标定 | 第63-65页 |
| 5.4 实验结果及性能分析 | 第65-72页 |
| 5.4.1 分割质量分析 | 第65-70页 |
| 5.4.2 性能分析 | 第70-72页 |
| 5.5 实时性分析 | 第72页 |
| 5.6 目标识别结果 | 第72-73页 |
| 5.7 本章小结 | 第73-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第82-84页 |
| 致谢 | 第84页 |
