| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 复杂背景下视频序列中运动目标的检测技术 | 第10-12页 |
| 1.2.1 基于前景分离的目标检测技术 | 第11页 |
| 1.2.2 基于背景建模的目标检测技术 | 第11-12页 |
| 1.3 本文的主要内容及安排 | 第12-15页 |
| 第2章 视频序列中的运动目标检测算法简介 | 第15-27页 |
| 2.1 引言 | 第15页 |
| 2.2 视频序列图像 | 第15-17页 |
| 2.3 基于背景建模的运动目标检测算法 | 第17-23页 |
| 2.3.1 矩阵分解算法体系 | 第17-19页 |
| 2.3.2 鲁棒主成分分析RPCA-PCP | 第19-22页 |
| 2.3.3 多尺度低秩矩阵分解算法 | 第22-23页 |
| 2.4 基于前景分离的运动目标检测算法 | 第23-25页 |
| 2.4.1 基于视觉显著性检测的运动目标检测 | 第23-24页 |
| 2.4.2 基于帧间差分法的运动目标检测 | 第24-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于自适应局部低秩的运动目标检测算法 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 基于自适应局部低秩的运动目标检测算法 | 第28-33页 |
| 3.2.1 算法整体框架 | 第28页 |
| 3.2.2 预处理-目标尺寸 | 第28-31页 |
| 3.2.3 块处理 | 第31-32页 |
| 3.2.4 局部低秩处理 | 第32-33页 |
| 3.3 实验结果分析 | 第33-37页 |
| 3.3.1 检测结果 | 第33-35页 |
| 3.3.2 定量评估 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 联合Wasserstein距离的多尺度目标检测算法 | 第39-53页 |
| 4.1 引言 | 第39页 |
| 4.2 联合Wasserstein距离的多尺度目标检测算法 | 第39-49页 |
| 4.2.1 算法整体框架 | 第39-40页 |
| 4.2.2 多尺度低秩矩阵分解 | 第40-42页 |
| 4.2.3 联合Wasserstein距离的代价函数 | 第42-48页 |
| 4.2.4 图像的信息熵 | 第48-49页 |
| 4.3 实验结果分析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 第5章 基于混合高斯模型的运动目标检测算法 | 第53-63页 |
| 5.1 引言 | 第53页 |
| 5.2 基于混合高斯模型函数的运动目标检测算法 | 第53-57页 |
| 5.2.1 算法整体框架 | 第53-54页 |
| 5.2.2 混合高斯模型 | 第54-56页 |
| 5.2.3 自适应模型更新 | 第56-57页 |
| 5.3 实验结果及分析 | 第57-61页 |
| 5.4 本章小结 | 第61-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间的科研成果 | 第75页 |
