基于复杂环境视频序列的运动目标检测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第11-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 静止复杂环境下运动目标检测 | 第16-17页 |
| 1.2.2 运动复杂环境下运动目标检测 | 第17-18页 |
| 1.3 论文主要工作及章节安排 | 第18-20页 |
| 第二章 基于复杂环境视频序列的背景模型分析 | 第20-29页 |
| 2.1 静止复杂环境下背景特点与建模分析 | 第20-25页 |
| 2.1.1 阴影干扰背景 | 第20-23页 |
| 2.1.2 纹理缺乏背景 | 第23-25页 |
| 2.1.3 场景抖动背景 | 第25页 |
| 2.2 运动复杂环境下背景特点与建模分析 | 第25-28页 |
| 2.2.1 旋转变化背景 | 第25-26页 |
| 2.2.2 尺度变化背景 | 第26-27页 |
| 2.2.3 视角变化背景 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 静止复杂环境视频序列下背景建模与目标检测 | 第29-58页 |
| 3.1 基于局部融合特征的背景建模与目标检测 | 第29-38页 |
| 3.1.1 单高斯模型与传统混合高斯模型 | 第29-30页 |
| 3.1.2 构建局部融合特征 | 第30-34页 |
| 3.1.3 建立LFGMM模型 | 第34-35页 |
| 3.1.4 模型参数更新机制 | 第35-36页 |
| 3.1.5 目标检测与总体算法流程 | 第36-38页 |
| 3.2 联合变分贝叶斯学习的背景建模与目标检测 | 第38-49页 |
| 3.2.1 LFGMM的贝叶斯框架 | 第38-39页 |
| 3.2.2 变分贝叶斯学习估算LFGMM模型参数 | 第39-43页 |
| 3.2.3 分布参数最优化 | 第43-46页 |
| 3.2.4 模型参数更新机制 | 第46-47页 |
| 3.2.5 目标检测与总体算法流程 | 第47-49页 |
| 3.3 实验结果与分析 | 第49-57页 |
| 3.3.1 评估指标 | 第49-50页 |
| 3.3.2 实验参数分析与设置 | 第50页 |
| 3.3.3 算法的鲁棒性对比与验证 | 第50-53页 |
| 3.3.4 算法的精度对比 | 第53-55页 |
| 3.3.5 不同运动状态下的目标检测性能验证 | 第55-56页 |
| 3.3.6 算法的处理速度分析 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 运动复杂环境视频序列下背景建模与目标检测 | 第58-78页 |
| 4.1 联合匹配跟踪的背景补偿 | 第58-67页 |
| 4.1.1 改进的MORB特征匹配点 | 第58-61页 |
| 4.1.2 基于区域随机点的LKR光流跟踪点 | 第61-64页 |
| 4.1.3 联合匹配跟踪的置信特征点 | 第64-66页 |
| 4.1.4 基于单应性矩阵与插值变换的背景补偿 | 第66-67页 |
| 4.2 基于区域双模高斯的背景建模 | 第67-70页 |
| 4.2.1 建立区域双模高斯模型 | 第67-68页 |
| 4.2.2 模型参数补偿与更新 | 第68-70页 |
| 4.3 目标检测与总体算法流程 | 第70页 |
| 4.3.1 目标检测 | 第70页 |
| 4.3.2 总体算法流程 | 第70页 |
| 4.4 实验结果与分析 | 第70-76页 |
| 4.4.1 实验参数分析与设置 | 第72页 |
| 4.4.2 算法的鲁棒性验证实验 | 第72-73页 |
| 4.4.3 算法的精度对比 | 第73-76页 |
| 4.4.4 算法的处理速度分析 | 第76页 |
| 4.5 本章小结 | 第76-78页 |
| 第五章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 在学期间的研究成果及发表的学术论文 | 第86页 |
