| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景和意义 | 第8-14页 |
| 1.1.1 计算机视觉概述 | 第8-10页 |
| 1.1.2 智能视频系统 | 第10-11页 |
| 1.1.3 运动目标检测 | 第11-12页 |
| 1.1.4 非负矩阵分解 | 第12-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 运动目标检测的研究现状 | 第14-16页 |
| 1.2.3 非负矩阵分解算法的研究现状 | 第16-18页 |
| 1.3 本文主要研究内容和具体章节安排 | 第18-19页 |
| 第二章 智能视频系统中的常用运动目标检测算法 | 第19-34页 |
| 2.1 帧差法 | 第19-22页 |
| 2.1.1 算法原理 | 第19-20页 |
| 2.1.2 算法步骤 | 第20-21页 |
| 2.1.3 实验和总结 | 第21-22页 |
| 2.2 SGM背景建模 | 第22-28页 |
| 2.2.1 基于SGM的运动目标检测算法 | 第22-25页 |
| 2.2.2 实验结果和分析 | 第25-28页 |
| 2.3 混合高斯背景建模 | 第28-33页 |
| 2.3.1 混合高斯背景建模原理 | 第28-29页 |
| 2.3.2 基于GMM背景建模的运动目标检测算法 | 第29-32页 |
| 2.3.3 实验结果和分析 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 基于滑动窗非负矩阵分解的运动目标检测算法 | 第34-54页 |
| 3.1 引言 | 第34页 |
| 3.2 基本的非负矩阵分解方法 | 第34-45页 |
| 3.2.1 非负矩阵分解的描述 | 第34-35页 |
| 3.2.2 非负矩阵分解中的代价函数 | 第35-36页 |
| 3.2.3 非负矩阵分解中的乘性迭代规则 | 第36-38页 |
| 3.2.4 收敛性的证明 | 第38-42页 |
| 3.2.5 算法步骤 | 第42-45页 |
| 3.3 基于滑动窗非负矩阵分解的运动目标检测算法 | 第45-52页 |
| 3.3.1 基于滑动窗NMF方法的运动目标检测算法步骤 | 第46-47页 |
| 3.3.2 实验结果及讨论 | 第47-52页 |
| 3.4 本章小结 | 第52-54页 |
| 第四章 基于增量型稀疏非负矩阵分解的运动目标检测算法 | 第54-73页 |
| 4.1 引言 | 第54-55页 |
| 4.2 增量非负矩阵分解(Incremental Non-negative Matrix Factorization) | 第55-62页 |
| 4.2.1 增量非负矩阵分解的代价函数 | 第55-58页 |
| 4.2.2 增量非负矩阵分解的乘性迭代规则 | 第58-61页 |
| 4.2.3 权重因子的选取 | 第61-62页 |
| 4.3 基于增量型稀疏非负矩阵分解算法的运动目标检测算法 | 第62-65页 |
| 4.3.1 代价函数 | 第63页 |
| 4.3.2 增量型稀疏非负矩阵分解算法 | 第63-65页 |
| 4.4 基于增量型稀疏非负矩阵分解算法的运动目标检测算法 | 第65-72页 |
| 4.4.1 基于增量非负矩阵分解算法的运动目标检测步骤 | 第65页 |
| 4.4.2 实验结果和讨论 | 第65-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 仿真实验系统设计和实现 | 第73-79页 |
| 5.1 开发环境介绍 | 第73页 |
| 5.2 仿真实验系统介绍 | 第73-78页 |
| 5.3 本章小结 | 第78-79页 |
| 第六章 结论 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 作者攻读硕士学位期间取得的学术成果 | 第87页 |
