摘要 | 第4-6页 |
ABSTRACT | 第6-8页 |
第1章 绪论 | 第12-27页 |
1.1 研究意义与目的 | 第12-14页 |
1.2 运动目标检测综述 | 第14-19页 |
1.2.1 基于时域信息的运动目标检测方法 | 第15-17页 |
1.2.2 基于空域信息的运动目标检测 | 第17-18页 |
1.2.3 融合时空信息的运动目标检测 | 第18-19页 |
1.3 运动目标跟踪综述 | 第19-23页 |
1.3.1 基于区域统计的跟踪 | 第19-20页 |
1.3.2 基于轮廓的跟踪 | 第20-21页 |
1.3.3 基于特征的跟踪 | 第21页 |
1.3.4 基于模型的目标跟踪 | 第21-23页 |
1.4 运动目标检测与跟踪存在的问题 | 第23-24页 |
1.5 本文主要研究内容和结构安排 | 第24-27页 |
第2章 混合高斯模型与水平集方法分析 | 第27-43页 |
2.1 混合高斯模型 | 第27-30页 |
2.1.1 混合高斯模型的基本原理 | 第28页 |
2.1.2 混合高斯模型 | 第28-30页 |
2.2 传统混合高斯模型分析 | 第30-31页 |
2.3 水平集理论 | 第31-37页 |
2.3.1 水平集方法 | 第33-35页 |
2.3.2 符号距离函数 | 第35-37页 |
2.4 C-V水平集模型及其分析 | 第37-42页 |
2.4.1 C-V水平集模型 | 第37-40页 |
2.4.2 C-V模型分析 | 第40-42页 |
2.5 本章小结 | 第42-43页 |
第3章 自适应调整混合高斯更新参数的背景建模和目标检测方法 | 第43-57页 |
3.1 引言 | 第43页 |
3.2 图像序列像素点的动态变化规律分析 | 第43-45页 |
3.3 自适应调整K-ρ 的混合高斯算法 | 第45-49页 |
3.3.1 自适应调整 ρ 的改进模型参数更新方法 | 第45-48页 |
3.3.2 自适应调整高斯分量个数K | 第48-49页 |
3.4 实验结果与分析 | 第49-55页 |
3.4.1 不同视频自适应调整高斯分量数以及目标检测 | 第50-51页 |
3.4.2 背景建模及目标检测 | 第51-53页 |
3.4.3 实验精度和时间分析 | 第53-55页 |
3.5 本章小结 | 第55-57页 |
第4章 结合局部能量与符号距离正则项的视频图像序列目标检测 | 第57-87页 |
4.1 引言 | 第57页 |
4.2 局部能量与符号距离正则项 | 第57-68页 |
4.2.1 RGB空间到HSV空间转换 | 第58-59页 |
4.2.2 全局能量项模型 | 第59-60页 |
4.2.3 局部能量项模型 | 第60-62页 |
4.2.4 改进的符号距离正则项 | 第62-68页 |
4.3 水平集演化方程 | 第68-70页 |
4.4 水平集演化的终止条件 | 第70-71页 |
4.5 LDRCV水平集模型的算法描述 | 第71页 |
4.6 实验结果及分析 | 第71-85页 |
4.6.1 参数设置 | 第72-73页 |
4.6.2 实验结果及分析 | 第73-85页 |
4.7 讨论 | 第85-86页 |
4.8 本章小结 | 第86-87页 |
第5章 基于各向异性核函数模板自适应均值漂移目标跟踪 | 第87-118页 |
5.1 引言 | 第87-88页 |
5.2 核密度估计与均值漂移模型 | 第88-94页 |
5.2.1 非参数密度估计 | 第88-90页 |
5.2.2 核密度估计 | 第90-92页 |
5.2.3 从核密度梯度估计到均值漂移 | 第92-94页 |
5.3 传统核函数的局限性 | 第94-98页 |
5.4 基于水平集表示的各向异性核函数 | 第98-105页 |
5.4.1 各向异性形状核函数定义 | 第98-100页 |
5.4.2 水平集核函数窗口中心 | 第100-101页 |
5.4.3 基于各向异性核函数的Mean Shift和模板更新 | 第101-105页 |
5.5 实验结果与分析 | 第105-116页 |
5.5.1 算法评价方法 | 第105-106页 |
5.5.2 实验结果及分析 | 第106-116页 |
5.6 本章小结 | 第116-118页 |
结论 | 第118-120页 |
参考文献 | 第120-130页 |
攻读博士学位期间承担的科研任务与主要成果 | 第130-131页 |
致谢 | 第131-132页 |
作者简介 | 第132页 |