| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-19页 |
| ·研究背景 | 第9-11页 |
| ·研究现状 | 第11-15页 |
| ·运动全景技术应用现状 | 第11-12页 |
| ·视频背景减除研究现状 | 第12-14页 |
| ·存在的问题和挑战 | 第14-15页 |
| ·本文工作 | 第15-19页 |
| 2. 视频背景减除 | 第19-40页 |
| ·视频背景减除算法 | 第21-27页 |
| ·The Gaussian Model算法 | 第21页 |
| ·Gaussian Mixture Model算法 | 第21-22页 |
| ·Graph Cut算法 | 第22-23页 |
| ·Kernel Density Estimation算法 | 第23-25页 |
| ·Code Book算法 | 第25-27页 |
| ·算法总结 | 第27页 |
| ·改进算法 | 第27-36页 |
| ·Bayes贝叶斯框架 | 第28-29页 |
| ·Dirichlet共轭先验 | 第29-32页 |
| ·Online EM求解GMM参数 | 第32-33页 |
| ·高层语义反馈:光流估计 | 第33-35页 |
| ·前景区域α叠加过程 | 第35-36页 |
| ·算法框架 | 第36-37页 |
| ·实验结果 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 3. 运动全景系统实现 | 第40-53页 |
| ·系统的功能模块 | 第41-44页 |
| ·系统的交互设计 | 第44-45页 |
| ·系统的数据结构 | 第45-46页 |
| ·视频采集硬件系统 | 第46-49页 |
| ·实验过程与结果 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 4. 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 期间发表论文及获奖情况 | 第58页 |