| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究意义和背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 智能视频监控系统 | 第12-13页 |
| 1.2.2 运动检测算法研究 | 第13-14页 |
| 1.2.3 运动跟踪算法研究 | 第14-16页 |
| 1.3 本文主要工作及结构安排 | 第16-17页 |
| 1.4 本文创新点 | 第17-19页 |
| 2 基于ViBe改进的运动目标检测算法 | 第19-53页 |
| 2.1 运动目标检测经典算法 | 第19-22页 |
| 2.1.1 均值函数法和中值函数法 | 第19-20页 |
| 2.1.2 单高斯背景模型 | 第20页 |
| 2.1.3 混合高斯模型 | 第20-21页 |
| 2.1.4 ViBe背景建模算法 | 第21-22页 |
| 2.2 基于扩大邻域和加快更新速率的初始化背景模型 | 第22-27页 |
| 2.2.1 扩大邻域的初始化背景模型 | 第23-24页 |
| 2.2.2 加快更新速率的初始化背景模型 | 第24-25页 |
| 2.2.3 实验结果和分析 | 第25-27页 |
| 2.3 基于运动区域划分的ViBe改进算法 | 第27-41页 |
| 2.3.1 算法流程 | 第27-29页 |
| 2.3.2 粗略背景的获取 | 第29页 |
| 2.3.3 得到粗略前景和改进的形态学处理 | 第29-31页 |
| 2.3.4 判别阈值和更新策略的调整 | 第31-36页 |
| 2.3.5 运动区域矩形轮廓修正策略 | 第36-38页 |
| 2.3.6 实验结果与分析 | 第38-41页 |
| 2.4 融入纹理等信息的ViBe改进算法 | 第41-51页 |
| 2.4.1 LBP和三段式编码的LBP | 第41-42页 |
| 2.4.2 HSV空间V分量特征 | 第42-43页 |
| 2.4.3 连通域特征 | 第43-45页 |
| 2.4.4 算法流程 | 第45-46页 |
| 2.4.5 实验结果和分析 | 第46-51页 |
| 2.5 本章小结 | 第51-53页 |
| 3 基于KCF改进的运动目标跟踪算法 | 第53-69页 |
| 3.1 运动目标跟踪的经典算法 | 第53-56页 |
| 3.1.1 LK光流法 | 第53-54页 |
| 3.1.2 Kalman滤波 | 第54页 |
| 3.1.3 MeanShift | 第54-56页 |
| 3.2 核相关滤波目标跟踪算法 | 第56-61页 |
| 3.2.1 相关滤波和核函数介绍 | 第56-57页 |
| 3.2.2 核相关滤波跟踪的步骤 | 第57-60页 |
| 3.2.3 核相关滤波跟踪算法 | 第60-61页 |
| 3.3 基于KCF改进的运动目标跟踪算法 | 第61-68页 |
| 3.3.1 特征提取 | 第61页 |
| 3.3.2 特征融合 | 第61-63页 |
| 3.3.3 实验结果和分析 | 第63-68页 |
| 3.4 本章小结 | 第68-69页 |
| 4 运动检测和跟踪的闭环系统的研究 | 第69-89页 |
| 4.1 运动检测和跟踪闭环系统研究 | 第69-80页 |
| 4.1.1 方案选择 | 第69-72页 |
| 4.1.2 算法流程 | 第72-74页 |
| 4.1.3 实验结果和分析 | 第74-80页 |
| 4.2 结合语义的跟踪复杂情况解决方案 | 第80-83页 |
| 4.2.1 检测和跟踪的结果结合的语义理解 | 第80-81页 |
| 4.2.2 跟踪过程中复杂情况的解决方案 | 第81-82页 |
| 4.2.3 实验结果和分析 | 第82-83页 |
| 4.3 实时智能监控系统实现 | 第83-88页 |
| 4.3.1 系统背景和应用场景 | 第83-84页 |
| 4.3.2 系统总体设计 | 第84-86页 |
| 4.3.3 实验结果和分析 | 第86-88页 |
| 4.4 本章小结 | 第88-89页 |
| 5 总结与展望 | 第89-91页 |
| 5.1 本文工作总结 | 第89页 |
| 5.2 未来工作展望 | 第89-91页 |
| 参考文献 | 第91-94页 |