| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景与意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·相关技术概述 | 第9-13页 |
| ·背景建模技术 | 第9-11页 |
| ·目标检测技术 | 第11-12页 |
| ·目标分类技术 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 基于高斯混合背景建模的分块背景更新 | 第14-28页 |
| ·图像预处理 | 第14-15页 |
| ·单高斯模型 | 第15-17页 |
| ·高斯混合模型 | 第17-20页 |
| ·改进的背景更新模型 | 第20-22页 |
| ·实验结果对比 | 第22-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 行人车辆的特征提取 | 第28-39页 |
| ·目标检测 | 第28页 |
| ·运动目标的分割 | 第28-31页 |
| ·行人特征提取 | 第31-34页 |
| ·车辆特征提取 | 第34-37页 |
| ·实验结果对比 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 融合 SVM 与 AdaBoost 的特征分类算法 | 第39-50页 |
| ·基于监督学习的模式识别 | 第39-40页 |
| ·支持向量机 | 第40-42页 |
| ·AdaBoost 算法 | 第42-45页 |
| ·改进的 AdaBoost 算法 | 第45-47页 |
| ·实验结果对比 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-53页 |
| ·论文总结 | 第50-51页 |
| ·论文展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间的研究成果 | 第59页 |