基于历史特征模型的背景减除算法研究及实验分析
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究目标 | 第15页 |
| ·本文的主要研究内容 | 第15-16页 |
| ·论文的组织结构 | 第16页 |
| ·本章小结 | 第16-17页 |
| 第二章 背景减除算法的相关研究综述 | 第17-30页 |
| ·背景减除的基本思想和问题 | 第17-19页 |
| ·基本思想 | 第17-18页 |
| ·需要解决的问题 | 第18-19页 |
| ·基于高斯模型的背景减除算法 | 第19-25页 |
| ·基于单高斯模型的背景减除算法 | 第21-22页 |
| ·基于混合高斯模型的背景减除算法 | 第22-24页 |
| ·高斯模型的背景减除算法总结 | 第24-25页 |
| ·基于无参数模型的背景减除算法 | 第25-27页 |
| ·其它背景减除算法 | 第27-28页 |
| ·基于代码字模型的背景减除算法 | 第27-28页 |
| ·基于非像素层面的背景减除算法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于历史特征模型的背景减除算法 | 第30-44页 |
| ·问题的提出 | 第30-32页 |
| ·历史特征模型的描述 | 第32-33页 |
| ·历史特征模型的概率匹配计算 | 第33-34页 |
| ·历史特征模型的更新 | 第34-35页 |
| ·历史特征模型的建立 | 第35-38页 |
| ·历史特征模型的分类 | 第38-42页 |
| ·背景模型和非背景模型 | 第38-40页 |
| ·模型的优先级概念和优先级的更新 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 背景减除程序及算法分析 | 第44-53页 |
| ·程序的伪代码描述 | 第44-49页 |
| ·数据结构的设计 | 第44-46页 |
| ·初始化处理 | 第46-47页 |
| ·背景减除过程 | 第47-49页 |
| ·算法的复杂度分析 | 第49-52页 |
| ·算法的空间耗费分析 | 第49-52页 |
| ·算法的时间耗费分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 实验分析与比较 | 第53-66页 |
| ·背景场景的噪声统计 | 第53-56页 |
| ·人体运动的捕获 | 第56-59页 |
| ·背景场景的变化 | 第59-60页 |
| ·办公室场景 | 第60-62页 |
| ·应用场景 | 第62-63页 |
| ·人脸运动跟踪的应用 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 总结和展望 | 第66-69页 |
| ·基于历史特征模型思想的总结 | 第66页 |
| ·不足之处 | 第66-67页 |
| ·后续的工作展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |
