室外视频监控中基于显著性的运动目标检测与分类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.2.1 著性的研究现状 | 第10-11页 |
| 1.2.2 运动目标检测的研究现状 | 第11-12页 |
| 1.2.3 运动目标分类的研究现状 | 第12-13页 |
| 1.3 本论文主要工作及创新点 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-17页 |
| 第二章 静态显著性检测 | 第17-31页 |
| 2.1 现有的显著性检测方法 | 第17-21页 |
| 2.1.1 Itti算法 | 第17-18页 |
| 2.1.2 GBVS算法 | 第18-19页 |
| 2.1.3 CA算法 | 第19页 |
| 2.1.4 SR算法 | 第19-20页 |
| 2.1.5 FT算法 | 第20-21页 |
| 2.1.6 MSS算法 | 第21页 |
| 2.2 基于多分辨率的FT算法 | 第21-29页 |
| 2.2.1 本文算法概述 | 第22-23页 |
| 2.2.2 算法求解步骤 | 第23-25页 |
| 2.2.3 显著性检测算法对比 | 第25-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第三章 运动目标检测 | 第31-49页 |
| 3.1 现有的运动目标检测算法 | 第31-38页 |
| 3.1.1 背景差分法 | 第31-35页 |
| 3.1.2 帧差法 | 第35-37页 |
| 3.1.3 光流法 | 第37-38页 |
| 3.2 基于显著性的运动目标检测算法 | 第38-46页 |
| 3.2.1 现有的运动估计算法 | 第38-41页 |
| 3.2.2 分块快速投影运动估计 | 第41-44页 |
| 3.2.3 动态融合 | 第44-46页 |
| 3.3 实验结果与分析 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 运动目标分类 | 第49-59页 |
| 4.1 目标分类方法 | 第49-50页 |
| 4.1.1 基于形状信息的分类 | 第49页 |
| 4.1.2 基于运动特性的分类 | 第49-50页 |
| 4.1.3 混合的方法 | 第50页 |
| 4.2 特征选择 | 第50-51页 |
| 4.3 分类器构造 | 第51-55页 |
| 4.3.1 支持向量机理论 | 第51-52页 |
| 4.3.2 线性可分情况下的SVM | 第52-53页 |
| 4.3.3 非线性可分的SVM | 第53页 |
| 4.3.4 需要核函数映射情况下的SVM | 第53-54页 |
| 4.3.5 支持向量机推广到多类问题 | 第54-55页 |
| 4.4 实验结果与分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 系统实现和实例验证 | 第59-63页 |
| 5.1 实例验证 | 第59-62页 |
| 5.2 本章小结 | 第62-63页 |
| 第六章 结论 | 第63-65页 |
| 6.1 论文总结 | 第63页 |
| 6.2 论文展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间所取得的相关科研成果 | 第69-71页 |
| 致谢 | 第71-72页 |
