| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 运动目标检测的背景和意义 | 第11-12页 |
| 1.2 运动目标检测的研究现状 | 第12-16页 |
| 1.2.1 静态场景下的运动目标检测技术研究 | 第12-15页 |
| 1.2.2 动态场景下的运动目标检测技术研究 | 第15-16页 |
| 1.3 运动目标检测的困难和挑战 | 第16-23页 |
| 1.4 视觉显著性检测的研究现状 | 第23-24页 |
| 1.5 问题的提出 | 第24-25页 |
| 1.6 论文内容安排 | 第25-27页 |
| 第二章 视觉空间显著性检测算法研究 | 第27-35页 |
| 2.0 引言 | 第27页 |
| 2.1 视觉注意机制 | 第27-28页 |
| 2.2 颜色空间模型 | 第28-29页 |
| 2.3 典型的显著性检测算法 | 第29-33页 |
| 2.3.1 基于最大对称环绕的显著性检测算法(MSSS) | 第29-30页 |
| 2.3.2 基于流行排序的显著性算法(MR) | 第30-32页 |
| 2.3.3 基于对比度滤波的显著区域检测(SF) | 第32页 |
| 2.3.4 使用背景优先级的测地显著性检测(GS) | 第32-33页 |
| 2.4 实验结果与分析 | 第33-35页 |
| 第三章 运动目标检测技术算法的研究 | 第35-55页 |
| 3.1 基本概念 | 第35-36页 |
| 3.2 静态背景下的运动目标检测算法 | 第36-44页 |
| 3.2.1 背景减法 | 第36-40页 |
| 3.2.2 帧间差分法 | 第40-41页 |
| 3.2.3 光流法 | 第41-44页 |
| 3.3 动态背景下的运动目标检测算法 | 第44-55页 |
| 3.3.1 基于超像素的马尔可夫链分割跟踪 | 第44-48页 |
| 3.3.2 基于置信传播和贝叶斯滤波混合推理的广义背景减法 | 第48-55页 |
| 第四章 基于视觉显著性的运动目标检测 | 第55-77页 |
| 4.1 引言 | 第55-56页 |
| 4.2 算法实现 | 第56页 |
| 4.3 SLIC超像素 | 第56-59页 |
| 4.4 光流估计 | 第59-64页 |
| 4.5 流行排序 | 第64-66页 |
| 4.6 时空显著性检测 | 第66-67页 |
| 4.7 混合高斯模型 | 第67-69页 |
| 4.8 马尔可夫随机场优化 | 第69-70页 |
| 4.9 实验结果及分析 | 第70-77页 |
| 4.9.1 评价指标与测试数据集 | 第70-71页 |
| 4.9.2 实验结果 | 第71-77页 |
| 第五章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77页 |
| 5.2 展望 | 第77-79页 |
| 致谢 | 第79-81页 |
| 参考文献 | 第81-91页 |
| 附录(攻读学位期间发表的著作和科研情况) | 第91页 |
