智能视频监控中动态目标检测算法的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 智能视频监控研究现状 | 第12-14页 |
| 1.2.2 动态目标检测研究现状 | 第14-16页 |
| 1.3 主要研究内容及章节安排 | 第16-17页 |
| 第二章 动态目标检测相关技术基础 | 第17-32页 |
| 2.1 图像处理基础知识介绍 | 第17-21页 |
| 2.1.1 彩色图像灰度化 | 第17-18页 |
| 2.1.2 形态学处理 | 第18-21页 |
| 2.2 经典动态目标检测方法介绍 | 第21-28页 |
| 2.2.1 光流法 | 第21-23页 |
| 2.2.2 帧差法 | 第23-25页 |
| 2.2.3 背景差分法 | 第25-28页 |
| 2.3 常见阴影检测技术介绍 | 第28-31页 |
| 2.3.1 基于HSV颜色空间的阴影检测 | 第29-30页 |
| 2.3.2 基于边缘比率的阴影检测 | 第30-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于双背景模型的改进ViBe算法 | 第32-52页 |
| 3.1 ViBe算法介绍 | 第32-38页 |
| 3.1.1 背景模型的建立和初始化 | 第32-33页 |
| 3.1.2 运动目标的检测 | 第33-34页 |
| 3.1.3 背景模型的更新 | 第34-37页 |
| 3.1.4 ViBe算法的不足 | 第37-38页 |
| 3.2 ViBe算法的改进思路 | 第38-39页 |
| 3.3 快速归一化互相关函数阴影检测 | 第39-42页 |
| 3.3.1 光照模型 | 第39页 |
| 3.3.2 归一化互相关函数阴影检测 | 第39-40页 |
| 3.3.3 快速归一化互相关函数阴影检测 | 第40-42页 |
| 3.4 基于双背景模型的改进ViBe算法 | 第42-47页 |
| 3.4.1 初始化前景检测背景模型 | 第43页 |
| 3.4.2 前景检测 | 第43页 |
| 3.4.3 前景检测背景模型更新 | 第43-45页 |
| 3.4.4 阴影去除 | 第45-47页 |
| 3.5 实验结果与分析 | 第47-51页 |
| 3.5.1 实验结果定性分析 | 第48-50页 |
| 3.5.2 实验结果定量比较 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 基于区域组合特征的动态目标检测 | 第52-65页 |
| 4.1 HSI颜色空间 | 第53-55页 |
| 4.1.1 RGB颜色空间 | 第53页 |
| 4.1.2 HSI颜色空间 | 第53-54页 |
| 4.1.3 颜色空间转换 | 第54-55页 |
| 4.2 LBP算子介绍 | 第55-58页 |
| 4.2.1 基本LBP算子 | 第55-56页 |
| 4.2.2 统一模式LBP算子 | 第56页 |
| 4.2.3 针对非均匀光照变化的改进LBP算子 | 第56-58页 |
| 4.3 基于区域组合特征的动态目标检测 | 第58-61页 |
| 4.3.1 组合特征模型构建 | 第58-59页 |
| 4.3.2 背景建模与前景检测 | 第59-61页 |
| 4.4 实验结果与分析 | 第61-64页 |
| 4.4.1 实验结果定性分析 | 第61-63页 |
| 4.4.2 实验结果定量比较 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读学位期间发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
