| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第12-14页 |
| 缩略词 | 第14-16页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 研究背景与意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-25页 |
| 1.2.1 多运动目标检测 | 第18-21页 |
| 1.2.2 目标分类 | 第21-25页 |
| 1.3 多运动目标检测算法性能评估 | 第25-30页 |
| 1.3.1 测试数据集 | 第25-27页 |
| 1.3.2 目标表示 | 第27-28页 |
| 1.3.3 性能指标 | 第28-30页 |
| 1.4 论文的内容组织与结构安排 | 第30-32页 |
| 第二章 候选运动区域提取 | 第32-47页 |
| 2.1 候选运动区域提取算法框架 | 第32-33页 |
| 2.2 图像预处理 | 第33页 |
| 2.3 基于特征点匹配的全局运动参数估计 | 第33-39页 |
| 2.3.1 全局运动模型 | 第34-35页 |
| 2.3.2 提取匹配特征点对 | 第35-38页 |
| 2.3.3 基于LMedS算法求解全局运动参数 | 第38-39页 |
| 2.4 计算前后向运动历史图 | 第39-40页 |
| 2.4.1 计算运动图像 | 第39页 |
| 2.4.2 计算前向和后向运动历史图 | 第39-40页 |
| 2.4.3 前后和后向运动历史图融合 | 第40页 |
| 2.5 基于区域生长法生成候选运动区域 | 第40-43页 |
| 2.5.1 自适应阈值二值化 | 第40-41页 |
| 2.5.2 形态学处理 | 第41页 |
| 2.5.3 基于区域生长法提取候选运动区域 | 第41-43页 |
| 2.6 实验结果与分析 | 第43-46页 |
| 2.6.1 实验对象 | 第43页 |
| 2.6.2 基于前后向运动历史图的侯选运动区域提取实验 | 第43-45页 |
| 2.6.3 基于前后向运动历史图的侯选运动区域提取算法性能评估 | 第45-46页 |
| 2.7 本章小结 | 第46-47页 |
| 第三章 联合时空局域信息的复杂背景下多运动目标检测 | 第47-65页 |
| 3.1 联合时空信息的复杂背景下多运动目标检测算法框架 | 第47-48页 |
| 3.2 目标候选区域提取 | 第48-51页 |
| 3.3 确定检测目标 | 第51-56页 |
| 3.3.1 基于词袋模型提取目标候选区域特征 | 第51-56页 |
| 3.3.2 多类线性SVM分类器 | 第56页 |
| 3.4 实验结果与分析 | 第56-63页 |
| 3.4.1 实验视频的背景复杂性分析 | 第56-57页 |
| 3.4.2 目标候选区域提取实验 | 第57-59页 |
| 3.4.3 复杂背景下多运动目标检测实验 | 第59-62页 |
| 3.4.4 本章算法与其他多运动目标检测算法对比 | 第62-63页 |
| 3.4.5 漏检与虚警分析 | 第63页 |
| 3.5 本章小结 | 第63-65页 |
| 第四章 联合时空上下文的复杂背景下多运动目标检测 | 第65-79页 |
| 4.1 联合时空上下文的复杂背景下多运动目标检测算法框架 | 第65-66页 |
| 4.2 图像分块处理 | 第66-67页 |
| 4.3 子图像观测 | 第67-68页 |
| 4.3.1 均匀网格稠密采样 | 第67页 |
| 4.3.2 图像块的特征表达 | 第67-68页 |
| 4.4 检出运动目标 | 第68-73页 |
| 4.4.1 空间上下文建模 | 第68-72页 |
| 4.4.2 基于信念传播推断图像块的目标置信度 | 第72-73页 |
| 4.4.3 基于目标置信度的候选运动区域判决 | 第73页 |
| 4.5 实验结果与分析 | 第73-78页 |
| 4.5.1 目标置信图计算 | 第73-75页 |
| 4.5.2 复杂背景下多运动目标检测实验 | 第75-77页 |
| 4.5.3 本章算法与其他多运动目标检测算法对比 | 第77-78页 |
| 4.6 本章小结 | 第78-79页 |
| 第五章 总结与展望 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-88页 |
| 在学期间的研究成果及发表的学术论文 | 第88页 |
