| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-13页 |
| 图表目录 | 第13-17页 |
| 第1章 绪论 | 第17-27页 |
| ·研究背景及意义 | 第17-19页 |
| ·视频运动目标检测研究现状 | 第19-23页 |
| ·背景差法 | 第20-21页 |
| ·邻帧差法 | 第21-22页 |
| ·光流法 | 第22-23页 |
| ·视频运动目标定位研究现状 | 第23-24页 |
| ·论文的研究内容及章节安排 | 第24-27页 |
| ·论文的研究内容 | 第24-25页 |
| ·论文的章节安排 | 第25-27页 |
| 第2章 基于积累差异背景建模的视频运动目标检测 | 第27-53页 |
| ·引言 | 第27-29页 |
| ·基于积累差异的背景建模 | 第29-31页 |
| ·积累差异 | 第29页 |
| ·积累差异背景建模 | 第29-31页 |
| ·Otsu自适应阈值化及目标轮廓提取 | 第31-34页 |
| ·Otsu阈值化算法 | 第31-32页 |
| ·改进的Otsu阈值化算法 | 第32-33页 |
| ·目标轮廓提取 | 第33-34页 |
| ·两步区域生长目标连通区域标记 | 第34-35页 |
| ·目标质心关联 | 第35-36页 |
| ·质心标记 | 第35页 |
| ·质心关联 | 第35-36页 |
| ·监控场合行人及运动车辆检测实验 | 第36-39页 |
| ·积累差异背景建模及运动目标检测 | 第36-38页 |
| ·运动目标轮廓提取及质心关联 | 第38-39页 |
| ·夜间运动车辆检测实验 | 第39-45页 |
| ·语义视频运动目标检测实验 | 第45-49页 |
| ·颜色空间及肤色模型 | 第45-47页 |
| ·实验效果及分析 | 第47-49页 |
| ·积累差异背景建模与GMM背景建模的比较实验 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 融合Knockout抠图技术的视频运动目标检测 | 第53-61页 |
| ·引言 | 第53页 |
| ·抠图技术简介 | 第53-55页 |
| ·视频运动目标区域初步检测 | 第55页 |
| ·Knockout视频运动目标检测 | 第55-58页 |
| ·Knockout技术 | 第55-56页 |
| ·Alpha值求解 | 第56-57页 |
| ·自动区域标记 | 第57-58页 |
| ·实验效果及分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 基于网格区域划分的视频运动目标检测 | 第61-79页 |
| ·引言 | 第61页 |
| ·算法设计 | 第61-62页 |
| ·积累差异背景建模及运动检测 | 第62页 |
| ·网格区域划分 | 第62-64页 |
| ·实验测试及分析 | 第64-74页 |
| ·空域连通性差时的检测情况 | 第65-66页 |
| ·网格区域划分前后检测效果比较 | 第66-68页 |
| ·与GMM法检测效果的比较 | 第68-71页 |
| ·阈值T_g对检测效果的影响 | 第71-72页 |
| ·网格大小对检测效果影响的讨论 | 第72-74页 |
| ·不同检测方法的分析及比较 | 第74-77页 |
| ·检测效果对比 | 第74-76页 |
| ·计算复杂度分析 | 第76-77页 |
| ·算法实用性说明 | 第77页 |
| ·本章小结 | 第77-79页 |
| 第5章 基于减法聚类算法的视频运动目标定位 | 第79-97页 |
| ·引言 | 第79-80页 |
| ·山峰聚类算法 | 第80-82页 |
| ·减法聚类算法 | 第82-83页 |
| ·减法聚类目标定位 | 第83-84页 |
| ·减法聚类目标定位实验 | 第84-89页 |
| ·减法聚类目标定位过程 | 第84-85页 |
| ·与区域生长目标定位的比较 | 第85-88页 |
| ·减法聚类定位的抗噪性实验 | 第88-89页 |
| ·椭圆域减法聚类目标定位 | 第89-93页 |
| ·椭圆域减法聚类算法 | 第89-90页 |
| ·椭圆域减法聚类目标定位实验 | 第90-93页 |
| ·椭圆域减法聚类定位应用举例 | 第93-95页 |
| ·本章小结 | 第95-97页 |
| 第6章 视频目标定位的减法聚类改进算法 | 第97-119页 |
| ·引言 | 第97-98页 |
| ·减法聚类目标定位 | 第98-99页 |
| ·算法优化 | 第99-108页 |
| ·考虑不同维度的邻域半径 | 第100页 |
| ·引入下采样技术 | 第100-101页 |
| ·选择合适的密度值函数 | 第101-103页 |
| ·构造网格重定义数据集 | 第103-105页 |
| ·模糊隶属度前景像素聚类 | 第105-106页 |
| ·修正目标邻域半径取值 | 第106页 |
| ·确定视频运动目标尺度和方向 | 第106-108页 |
| ·实验效果及分析 | 第108-116页 |
| ·减法聚类算法视频目标定位过程 | 第108-109页 |
| ·有效邻域半径对定位结果的影响 | 第109-110页 |
| ·下采样定位效果 | 第110-111页 |
| ·不同密度函数的定位情况 | 第111-112页 |
| ·模糊隶属度前景像素归类实验 | 第112-113页 |
| ·目标尺度和方向参数确定实验 | 第113-116页 |
| ·本章小结 | 第116-119页 |
| 第7章 总结与展望 | 第119-121页 |
| ·总结 | 第119-120页 |
| ·展望 | 第120-121页 |
| 附录 | 第121-127页 |
| A1 视频运动目标检测及跟踪算法测试平台的设计与实现 | 第121-127页 |
| A1.1 算法测试平台构架 | 第121-122页 |
| A1.2 平台实现及技术关键点 | 第122-125页 |
| A1.3 算法框架 | 第125页 |
| A1.4 结论 | 第125-127页 |
| 参考文献 | 第127-137页 |
| 作者简历 | 第137-139页 |
| 参与的科研项目 | 第139-140页 |
| 攻读博士学位期间所取得的科研成果 | 第140-141页 |