复杂背景下监控视频对象检测算法设计与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·课题研究背景 | 第9-10页 |
| ·研究现状及相关技术简介 | 第10-17页 |
| ·研究现状 | 第10-12页 |
| ·背景建模与前景目标提取技术 | 第12-14页 |
| ·图像分割技术 | 第14-15页 |
| ·目标特征与分类技术 | 第15-17页 |
| ·论文工作及内容安排 | 第17-18页 |
| 第2章 复杂背景的模型建立与前景目标发现 | 第18-32页 |
| ·复杂背景视频 | 第18-19页 |
| ·复杂场景分析 | 第18-19页 |
| ·复杂背景对于算法的要求 | 第19页 |
| ·常用的背景模型与前景目标检测方法分析 | 第19-26页 |
| ·混合高斯（MOG）背景模型 | 第19-22页 |
| ·码本（codebook）背景模型 | 第22-23页 |
| ·帧差分运动检测 | 第23-26页 |
| ·前景目标提取的后续处理步骤 | 第26-30页 |
| ·基于前景二值化图像连通域结构特征的降噪方法 | 第26-29页 |
| ·基于形态学梯度的目标阴影抑制方法 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第3章 空间域图像分割 | 第32-42页 |
| ·空间域图像分割的必要性 | 第32-33页 |
| ·常用的空间域图像分割方法 | 第33-34页 |
| ·结合K-means聚类和分水岭的图像分割算法 | 第34-40页 |
| ·K-means聚类算法 | 第34-36页 |
| ·分割后细碎区域的合并依据 | 第36-37页 |
| ·分水岭分割算法 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于梯度方向特征的对象分类 | 第42-55页 |
| ·图像特征概述 | 第42-43页 |
| ·图像特征的不变性 | 第42-43页 |
| ·HOG算子与SIFT算子对比 | 第43-48页 |
| ·基于HOG特征的支持向量机目标分类 | 第48-49页 |
| ·实验结果及分析 | 第49-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 视频对象检测算法验证程序的设计与实现 | 第55-61页 |
| ·算法验证程序概述 | 第55页 |
| ·算法验证程序设计 | 第55-58页 |
| ·算法验证程序实现 | 第58页 |
| ·实验结果及分析 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
