智能移动终端运动背景下视频运动目标检测技术研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 引言 | 第9-10页 |
| 1. 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 课题现状及其发展趋势 | 第11-13页 |
| 1.2.1 智能视频监控的研究现状 | 第11-12页 |
| 1.2.2 运动目标检测的研究现状 | 第12-13页 |
| 1.3 本论文的主要难点 | 第13页 |
| 1.4 文主要研究内容及结构安排 | 第13-15页 |
| 2. 运动目标检测的理论基础 | 第15-36页 |
| 2.1 图像处理技术 | 第15-17页 |
| 2.1.1 彩色图像灰度化 | 第15-16页 |
| 2.1.2 图像去噪 | 第16-17页 |
| 2.1.3 图像二值化 | 第17页 |
| 2.2 形态学后处理图像 | 第17-21页 |
| 2.2.1 腐蚀 | 第17-18页 |
| 2.2.2 膨胀 | 第18-19页 |
| 2.2.3 开运算和闭运算 | 第19-21页 |
| 2.3 静态背景下的运动目标检测算法概述 | 第21-33页 |
| 2.3.1 帧间差分法 | 第21-22页 |
| 2.3.2 背景相减法 | 第22-30页 |
| 2.3.3 边缘检测算法 | 第30-32页 |
| 2.3.4 算法比较与分析 | 第32-33页 |
| 2.4 运动背景下运动目标检测算法概述 | 第33-35页 |
| 2.4.1 光流场法 | 第33-34页 |
| 2.4.2 基于运动补偿的方法 | 第34页 |
| 2.4.3 运动分割的方法 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 3. 静态背景下的运动目标检测算法 | 第36-41页 |
| 3.1 帧间差分法初步提取运动目标 | 第37-38页 |
| 3.2 ViBe算法进一步提取运动目标检测 | 第38-39页 |
| 3.3 实验结果与对比分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4. 运动背景下运动目标检测算法 | 第41-57页 |
| 4.1 特征提取 | 第42-49页 |
| 4.1.1 Harris特征 | 第42-44页 |
| 4.1.2 SUSAN特征 | 第44-45页 |
| 4.1.3 SIFT特征 | 第45-48页 |
| 4.1.4 特征提取比较 | 第48-49页 |
| 4.2 特征匹配 | 第49-50页 |
| 4.3 运动估计 | 第50-53页 |
| 4.4 微小运动下的运动补偿 | 第53-55页 |
| 4.5 实验结果与对比分析 | 第55-56页 |
| 4.6 本章小结 | 第56-57页 |
| 5. 基于Android平台的运动目标检测算法 | 第57-61页 |
| 5.1 Android平台开发环境 | 第57页 |
| 5.2 系统开发语言，功能介绍 | 第57-60页 |
| 5.2.1 OpenCV介绍 | 第57-58页 |
| 5.2.2 系统功能介绍 | 第58-59页 |
| 5.2.3 Android平台上运动目标检测结果 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 6. 总结与展望 | 第61-63页 |
| 6.1 本文总结 | 第61页 |
| 6.2 本文展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
