| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 本文的研究背景 | 第8-11页 |
| 1.2 本文的研究内容与意义 | 第11-14页 |
| 1.2.1 研究目标与内容 | 第11-12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.2.3 拟解决的关键问题 | 第13-14页 |
| 1.3 本文组织结构安排 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 运动物体检测方法文献综述 | 第15-24页 |
| 2.1 引言 | 第15-16页 |
| 2.2 帧差分法 | 第16-18页 |
| 2.3 背景相减法 | 第18页 |
| 2.4 混合高斯法 | 第18-20页 |
| 2.5 codebook 方法 | 第20-21页 |
| 2.6 核密度估计算法 | 第21-22页 |
| 2.7 本章小结 | 第22-24页 |
| 3 基于 RANSAC 算法的回归模型背景建模算法的研究 | 第24-33页 |
| 3.1 引言 | 第24-25页 |
| 3.2 前景与背景像素值在 RGB 空间中的分布建模 | 第25-30页 |
| 3.2.1 线性回归与随机抽样一致性算法(RANSAC) | 第25-27页 |
| 3.2.2 监控视频中背景像素值分布特性 | 第27-28页 |
| 3.2.3 基于随机抽样一致性算法的线性回归模型 | 第28页 |
| 3.2.4 基于随机抽样一致性算法的回归模型背景建模算法 | 第28-30页 |
| 3.3 基于 RANSAC 算法的回归模型背景建模算法 | 第30-32页 |
| 3.3.1 背景模型训练 | 第30页 |
| 3.3.2 前景检测算法 | 第30-31页 |
| 3.3.3 背景模型更新 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 一种基于主成分分析的 codebook 背景建模算法 | 第33-42页 |
| 4.1 引言 | 第33-34页 |
| 4.2 基于主成分分析的背景建模 | 第34-36页 |
| 4.2.1 背景像素值分布 | 第34-35页 |
| 4.2.2 基于主成分分析的背景建模 | 第35-36页 |
| 4.3 基于主成分分析的前景检测算法 | 第36-41页 |
| 4.3.1 背景模型训练 | 第37-40页 |
| 4.3.2 前景检测 | 第40页 |
| 4.3.3 背景更新 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 实验结果与讨论 | 第42-50页 |
| 5.1 引言 | 第42页 |
| 5.2 基于 RANSAC 算法的回归模型背景建模算法实验分析 | 第42-44页 |
| 5.3 基于主成分分析的 codebook 背景建模算法实验分析 | 第44-46页 |
| 5.4 算法 ROC 曲线分析对比 | 第46-49页 |
| 5.5 本章小结 | 第49-50页 |
| 6 结论与展望 | 第50-53页 |
| 6.1 主要结论 | 第50-51页 |
| 6.2 后续研究工作的展望 | 第51-52页 |
| 6.3 本章小结 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |
| A.作者在攻读学位期间发表的论文目录 | 第59页 |
| B. 作者在攻读学位期间已授权或受理的专利目录 | 第59页 |
| C. 作者在攻读硕士学位期间参与的项目目录 | 第59页 |
