| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文内容安排 | 第14-15页 |
| 第二章 几种运动目标检测方法 | 第15-33页 |
| 2.1 帧间差分法 | 第15-19页 |
| 2.1.1 帧间差分法 | 第15-17页 |
| 2.1.2 累计帧间差分法 | 第17-19页 |
| 2.2 光流法 | 第19-23页 |
| 2.2.1 Horn-Schunck算法 | 第20-22页 |
| 2.2.2 Lucas-Kanade算法 | 第22-23页 |
| 2.3 背景减除法 | 第23-26页 |
| 2.3.1 背景减除法原理 | 第23页 |
| 2.3.2 混合高斯模型的背景建模方法 | 第23-26页 |
| 2.4 矩阵低秩稀疏分解法 | 第26-31页 |
| 2.4.1 矩阵低秩稀疏分解原理 | 第26-28页 |
| 2.4.2 基于矩阵低秩稀疏分解的运动目标检测 | 第28-31页 |
| 2.5 小结 | 第31-33页 |
| 第三章 改进的基于矩阵低秩稀疏分解的运动目标检测 | 第33-53页 |
| 3.1 矩阵低秩稀疏分解求解算法 | 第33-41页 |
| 3.1.1 迭代阈值算法 | 第33-35页 |
| 3.1.2 加速近端梯度算法 | 第35-36页 |
| 3.1.3 增广的拉格朗日乘子法 | 第36-38页 |
| 3.1.4 几种算法对比 | 第38-41页 |
| 3.2 改进的基于矩阵低秩稀疏分解运动目标检测方法 | 第41-46页 |
| 3.2.1 方法原理 | 第41-43页 |
| 3.2.2 算法实现 | 第43-46页 |
| 3.3 实验结果与分析 | 第46-51页 |
| 3.3.1 主观评价方法 | 第46-48页 |
| 3.3.2 客观评价方法 | 第48-51页 |
| 3.4 小结 | 第51-53页 |
| 第四章 融合边缘与帧间信息的低秩稀疏分解运动目标检测 | 第53-63页 |
| 4.1 边缘提取算法 | 第53-57页 |
| 4.2 融合边缘与帧间信息的低秩稀疏分解运动目标检测 | 第57-60页 |
| 4.2.1 方法原理 | 第57-58页 |
| 4.2.2 算法实现 | 第58-60页 |
| 4.3 实验结果及分析 | 第60-62页 |
| 4.3.1 主观评价方法 | 第60-61页 |
| 4.3.2 客观评价方法 | 第61-62页 |
| 4.4 小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-73页 |
| 攻读硕士学位期间取得的科研成果 | 第73-75页 |
| 1. 发表学术论文 | 第73页 |
| 2. 申请(授权专利) | 第73-75页 |
| 致谢 | 第75页 |
