| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究的背景及意义 | 第10-11页 |
| ·国内外研究现状及存在的问题 | 第11-16页 |
| ·论文的研究内容和结构安排 | 第16-17页 |
| 第二章 基于拟合优度检验的视频运动目标检测 | 第17-28页 |
| ·引言 | 第17-18页 |
| ·拟合优度检验 | 第18-21页 |
| ·经验分布函数 | 第19-20页 |
| ·Kolmogorov-Smirnov（KS）拟合优度检验 | 第20-21页 |
| ·基于 KS 检验的运动目标检测算法 | 第21-23页 |
| ·背景建模 | 第22页 |
| ·运动目标检测 | 第22-23页 |
| ·实验结果及分析 | 第23-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于最小加权 KS 检验的视频运动目标检测 | 第28-47页 |
| ·引言 | 第28-29页 |
| ·最小加权 KS 估计的性质 | 第29-35页 |
| ·最小加权 KS 估计的相合性 | 第29-32页 |
| ·最小加权 KS 估计的稳健性 | 第32-35页 |
| ·最小加权 KS 估计的实现 | 第35-42页 |
| ·Bell-Curve Based evolutionary optimization (BCB)算法介绍 | 第35-40页 |
| ·BCB 算法实现步骤 | 第40-42页 |
| ·仿真结果及分析 | 第42-46页 |
| ·小结 | 第46-47页 |
| 第四章 基于字典学习的可控核回归视频运动目标检测 | 第47-66页 |
| ·引言 | 第47-48页 |
| ·基于可控核回归的背景纹理描述 | 第48-52页 |
| ·梯度估计 | 第49-50页 |
| ·可控核计算 | 第50-52页 |
| ·背景纹理字典的学习 | 第52-56页 |
| ·聚类过程 | 第52-54页 |
| ·字典学习过程 | 第54-56页 |
| ·背景重构过程 | 第56页 |
| ·基于灰度值和纹理的运动目标检测 | 第56-59页 |
| ·基于灰度值的检测 | 第57页 |
| ·Static Region(SR)纹理检测 | 第57-58页 |
| ·Moving Region(MR)纹理检测 | 第58-59页 |
| ·实验结果 | 第59-65页 |
| ·背景重构比较 | 第59页 |
| ·复杂背景下的运动目标检测 | 第59-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结和展望 | 第66-68页 |
| ·总结 | 第66页 |
| ·展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74页 |
