视频序列下运动目标的检测分类
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·运动目标检测 | 第10-11页 |
| ·运动目标分类 | 第11页 |
| ·本文研究内容及论文结构 | 第11-13页 |
| ·本文研究内容 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第二章 运动目标检测 | 第13-35页 |
| ·静态背景下的运动目标检测 | 第13-22页 |
| ·帧间差分法及实验 | 第13-14页 |
| ·背景差分法及实验 | 第14-16页 |
| ·光流法 | 第16-18页 |
| ·一些改进的算法及实验 | 第18-20页 |
| ·数学形态学 | 第20-21页 |
| ·连通性分析 | 第21-22页 |
| ·运动背景下的运动目标检测 | 第22-33页 |
| ·二维运动估计参数模型 | 第23-25页 |
| ·基于块匹配的运动估计 | 第25-29页 |
| ·基于鲁棒估计的全局运动估计 | 第29-31页 |
| ·背景补偿 | 第31页 |
| ·运动背景下运动目标检测实验 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第三章 特征的选择与提取 | 第35-45页 |
| ·图像的特征描述 | 第35-39页 |
| ·颜色特征 | 第35-37页 |
| ·形状特征 | 第37-38页 |
| ·纹理特征 | 第38-39页 |
| ·特征的选择与提取 | 第39-40页 |
| ·基于特征的运动目标分类 | 第40-42页 |
| ·基于形状特征的运动目标分类 | 第40-41页 |
| ·基于运动信息的运动目标分类 | 第41-42页 |
| ·本文所选择的特征及实验 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第四章 支持向量机 | 第45-61页 |
| ·统计学习理论 | 第45-48页 |
| ·学习过程一致性的条件 | 第45-46页 |
| ·VC维 | 第46页 |
| ·推广性的界 | 第46-47页 |
| ·结构风险最小化 | 第47-48页 |
| ·支持向量机 | 第48-54页 |
| ·线性可分问题 | 第48-50页 |
| ·线性不可分问题 | 第50-52页 |
| ·非线性划分 | 第52-54页 |
| ·多类支持向量机 | 第54-57页 |
| ·一对多 | 第54-55页 |
| ·一对一 | 第55-56页 |
| ·DAGSVM | 第56-57页 |
| ·直接法 | 第57页 |
| ·模糊支持向量机 | 第57-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 实验 | 第61-69页 |
| ·LIBSVM简介 | 第61-62页 |
| ·视频序列下运动目标的分类流程图 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间取得的科研成果 | 第75-77页 |
| 致谢 | 第77页 |
