复杂场景下的运动目标检测算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·运动目标检测技术的研究现状 | 第9-12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·论文安排 | 第13-14页 |
| 第二章 基于背景差分的运动目标检测算法 | 第14-29页 |
| ·引言 | 第14-15页 |
| ·典型的背景差分算法 | 第15-27页 |
| ·w4模型 | 第15-16页 |
| ·隐马尔可夫模型 | 第16-20页 |
| ·单高斯分布背景模型 | 第20-21页 |
| ·混合高斯分布背景模型 | 第21-25页 |
| ·非参数的内核密度估计法 | 第25-27页 |
| ·各算法的分析比较 | 第27-29页 |
| 第三章 光照突变场景的运动目标检测算法 | 第29-42页 |
| ·引言 | 第29-30页 |
| ·阴影形成原理 | 第30-31页 |
| ·适应光照突变的背景差分法 | 第31-36页 |
| ·光照似然模型 | 第31-33页 |
| ·空间似然模型 | 第33-34页 |
| ·最大似然估计 | 第34-36页 |
| ·实验结果和分析 | 第36-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 融合显著性的GMM模型的运动目标检测方法 | 第42-56页 |
| ·引言 | 第42页 |
| ·物体显著性 | 第42-49页 |
| ·Koch和Ullman模型 | 第43页 |
| ·Itti模型 | 第43-47页 |
| ·基于对象的注意模型 | 第47-49页 |
| ·融合视觉显著性的GMM模型 | 第49-50页 |
| ·显著性区域检测 | 第50-51页 |
| ·频率调谐检测 | 第50-51页 |
| ·计算显著值 | 第51页 |
| ·基于视觉显著性的运动目标提取 | 第51-52页 |
| ·融合方法 | 第51-52页 |
| ·阈值分割 | 第52页 |
| ·实验结果与分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表或录用论文 | 第63-64页 |
| 攻读硕士学位期间参与的科研项目 | 第64-65页 |
| 致谢 | 第65-66页 |
