基于背景建模的运动目标检测算法的研究与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-22页 |
| 1.1 研究背景与研究意义 | 第16-17页 |
| 1.2 国内外研究现状和发展趋势 | 第17-19页 |
| 1.3 技术难点 | 第19-20页 |
| 1.4 本文的主要研究内容和安排 | 第20-22页 |
| 第二章 运动目标检测方法介绍 | 第22-32页 |
| 2.1 基于背景建模的运动目标检测方法 | 第22-27页 |
| 2.1.1 单高斯建模法 | 第22-24页 |
| 2.1.2 混合高斯建模法 | 第24-27页 |
| 2.2 基于主成分分析的运动目标检测 | 第27-29页 |
| 2.2.1 算法原理 | 第27-28页 |
| 2.2.2 实验结果及分析 | 第28-29页 |
| 2.3 算法比较 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于暗通道先验的运动目标检测 | 第32-58页 |
| 3.1 暗通道先验 | 第32-34页 |
| 3.1.1 暗通道原理 | 第32-33页 |
| 3.1.2 暗通道图像与灰度图像对比 | 第33-34页 |
| 3.2 ViBe背景建模算法 | 第34-36页 |
| 3.2.1 背景样本集初始化与像素点的判别 | 第35页 |
| 3.2.2 背景模型更新策略 | 第35-36页 |
| 3.3 基于暗通道先验的运动目标检测 | 第36-42页 |
| 3.3.1 算法简介 | 第36-37页 |
| 3.3.2 暗通道先验 | 第37-38页 |
| 3.3.3 平滑暗通道图像 | 第38-40页 |
| 3.3.4 背景模型初始化与样本点分类 | 第40-41页 |
| 3.3.5 更新策略 | 第41-42页 |
| 3.4 实验结果与对比分析 | 第42-56页 |
| 3.4.1 实验数据集 | 第42-43页 |
| 3.4.2 实验结果客观评价标准 | 第43页 |
| 3.4.3 实验结果与分析 | 第43-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第四章 基于鲁棒主成分分析的运动目标检测 | 第58-78页 |
| 4.1 主成分分析 | 第58-62页 |
| 4.1.1 主成分分析与鲁棒主成分分析 | 第58-62页 |
| 4.1.2 实验结果 | 第62页 |
| 4.2 基于鲁棒主成分分析的运动目标检测 | 第62-69页 |
| 4.2.1 算法简介 | 第62-64页 |
| 4.2.2 求解稀疏矩阵 | 第64-66页 |
| 4.2.3 自适应样本更新与阈值分割 | 第66-68页 |
| 4.2.4 结合时空域信息进行目标检测 | 第68-69页 |
| 4.3 实验结果与对比分析 | 第69-76页 |
| 4.4 本章小结 | 第76-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 5.1 总结 | 第78页 |
| 5.2 展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |
