| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与选题意义 | 第8-9页 |
| 1.2 物体检测的现状及相关技术 | 第9-13页 |
| 1.2.1 国内外研究现状 | 第9-10页 |
| 1.2.2 物体检测的相关技术 | 第10-13页 |
| 1.3 物体检测的主要难点 | 第13页 |
| 1.3.1 运动物体检测的主要难点 | 第13页 |
| 1.3.2 特定物体检测的主要难点 | 第13页 |
| 1.4 本文的主要内容与组织结构 | 第13-15页 |
| 第二章 物体检测的主要方法及原理 | 第15-28页 |
| 2.1 背景差分法 | 第15-19页 |
| 2.1.1 平均背景法 | 第15-16页 |
| 2.1.2 混合高斯模型 | 第16-17页 |
| 2.1.3 ViBe模型 | 第17页 |
| 2.1.4 码本模型 | 第17-19页 |
| 2.2 卷积神经网络(CNN) | 第19-21页 |
| 2.2.1 CNN网络的结构 | 第19-20页 |
| 2.2.2 局部感知 | 第20-21页 |
| 2.2.3 权值共享 | 第21页 |
| 2.2.4 多卷积核 | 第21页 |
| 2.3 基于候选区域的深度学习特定物体检测方法 | 第21-27页 |
| 2.3.1 R-CNN | 第22-24页 |
| 2.3.2 SPP-net | 第24-25页 |
| 2.3.3 Fast R-CNN | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 结合阴影去除的运动物体检测 | 第28-38页 |
| 3.1 建立基于YCbCr颜色空间的背景码本 | 第28-29页 |
| 3.1.1 建立背景码本 | 第28-29页 |
| 3.2 运动区域检测及阴影码本的建立 | 第29-32页 |
| 3.2.1 运动区域检测与阴影像素值初步判定 | 第30页 |
| 3.2.2 阴影码本的建立 | 第30-32页 |
| 3.3 运动目标物体检测 | 第32-33页 |
| 3.4 背景码本和阴影码本的更新 | 第33页 |
| 3.4.1 背景码本更新 | 第33页 |
| 3.4.2 阴影码本更新 | 第33页 |
| 3.5 实验结果与分析 | 第33-36页 |
| 3.5.1 实验数据和主要参数 | 第34页 |
| 3.5.2 结果分析 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 第四章 基于改进Edge Boxes的Fast R-CNN特定物体检测 | 第38-51页 |
| 4.1 Fast R-CNN特定物体检测 | 第38-39页 |
| 4.2 Edge Boxes的基本原理 | 第39-40页 |
| 4.3 改进的Edge Boxes算法 | 第40-44页 |
| 4.3.1 PCT显著性检测 | 第40-42页 |
| 4.3.2 初始化候选区域 | 第42-43页 |
| 4.3.3 候选区域评分 | 第43-44页 |
| 4.4 实验结果与分析 | 第44-50页 |
| 4.4.1 实验数据和主要参数 | 第44-45页 |
| 4.4.2 结果分析 | 第45-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间完成的科研成果及参与项目情况 | 第57-58页 |
| 致谢 | 第58页 |