| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 运动目标检测研究现状 | 第10-13页 |
| 1.2.2 背景建模算法研究 | 第13-14页 |
| 1.3 技术难点 | 第14-15页 |
| 1.4 论文的主要研究内容 | 第15-18页 |
| 第二章 经典背景建模方法分析 | 第18-34页 |
| 2.1 帧间差分法 | 第18-20页 |
| 2.2 ViBe背景建模算法 | 第20-24页 |
| 2.3 PBAS背景建模算法 | 第24-26页 |
| 2.4 基于高斯模型的背景建模 | 第26-33页 |
| 2.4.1 单高斯背景建模 | 第27-29页 |
| 2.4.2 混合高斯背景建模 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 改进的双模型的运动目标检测方法 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 双模型(DM)背景建模算法 | 第34-38页 |
| 3.2.1 自模型和邻域模型 | 第35页 |
| 3.2.2 前景背景检测 | 第35-37页 |
| 3.2.3 背景模型的更新 | 第37页 |
| 3.2.4 阈值更新 | 第37-38页 |
| 3.3 双模型背景建模算法分析 | 第38-41页 |
| 3.3.1 优点分析 | 第38页 |
| 3.3.2 缺点分析 | 第38-41页 |
| 3.4 EMD(enhanced dual model)运动目标检测算法 | 第41-47页 |
| 3.4.1 EDM的前景背景检测方式 | 第42-44页 |
| 3.4.2 EDM的自适应决策阈值更新 | 第44-45页 |
| 3.4.3 EDM对鬼影的去除 | 第45-47页 |
| 3.5 实验结果及分析 | 第47-51页 |
| 3.5.1 实验参数设置 | 第47页 |
| 3.5.2 EDM的前景判断和阈值更新方法的目标检测实验 | 第47-49页 |
| 3.5.3 算法的定量分析 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于纹理特征和颜色特征融合的背景建模算法 | 第52-70页 |
| 4.1 引言 | 第52-54页 |
| 4.2 特征融合算法实现流程 | 第54页 |
| 4.3 纹理特征和能量特征 | 第54-58页 |
| 4.3.1 能量基本概念 | 第54-57页 |
| 4.3.2 颜色特征 | 第57-58页 |
| 4.4 背景建模 | 第58-63页 |
| 4.4.1 背景模型建立 | 第60页 |
| 4.4.2 模型匹配 | 第60-61页 |
| 4.4.3 模型更新 | 第61-62页 |
| 4.4.4 决策阈值更新 | 第62-63页 |
| 4.4.5 学习率更新 | 第63页 |
| 4.5 实验结果及分析 | 第63-66页 |
| 4.5.1 实验参数设置 | 第63-64页 |
| 4.5.2 定性分析实验结果 | 第64-66页 |
| 4.6 单特征与特征融合对比实验 | 第66-69页 |
| 4.6.1 单特征背景建模 | 第66-67页 |
| 4.6.2 单特征与特征融合对比实验 | 第67-69页 |
| 4.7 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-81页 |
| 攻读硕士期间发表的论文 | 第81-82页 |
| 致谢 | 第82页 |