视频监控系统中运动目标检测与跟踪方法的改进及实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·背景概述 | 第10-11页 |
| ·运动目标检测研究现状 | 第11-13页 |
| ·运动目标跟踪研究现状 | 第13-15页 |
| ·本文工作的实验基础 | 第15-17页 |
| ·论文的主要研究内容 | 第17-20页 |
| ·论文的主要工作和贡献 | 第17-18页 |
| ·论文的主要结构安排 | 第18-20页 |
| 第2章 基于马尔可夫链和图像分割的运动目标检测 | 第20-36页 |
| ·区域模糊化理解 | 第20-23页 |
| ·自适应平滑滤波 | 第20-21页 |
| ·超像素分割方法 | 第21-22页 |
| ·基于多尺度超像素分割的区域模糊化理解 | 第22-23页 |
| ·基于时空图模型的背景建模 | 第23-24页 |
| ·背景采样 | 第23-24页 |
| ·背景时空图模型 | 第24页 |
| ·基于马尔可夫链和图像分割的前景检测 | 第24-27页 |
| ·离散时间马尔可夫链 | 第24-25页 |
| ·背景采样时空图模型与马尔可夫链的映射 | 第25-26页 |
| ·基于马尔可夫链的前景粗糙检测 | 第26-27页 |
| ·基于图像分割的前景精细分割 | 第27页 |
| ·背景模型更新 | 第27-29页 |
| ·分类掩码与更新掩码的区别 | 第27-28页 |
| ·目标区域背景更新的抑制 | 第28页 |
| ·模型更新方法 | 第28-29页 |
| ·基于马尔可夫链和图像分割的目标检测算法 | 第29-31页 |
| ·实验结果与分析 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第3章 融合粒子滤波和显著性检测的运动目标跟踪 | 第36-64页 |
| ·粒子滤波算法基本理论 | 第36-42页 |
| ·贝叶斯滤波原理和蒙特卡罗方法 | 第36-38页 |
| ·粒子滤波关键技术 | 第38-41页 |
| ·粒子滤波算法基本步骤 | 第41-42页 |
| ·基于条件随机场和图像分割的显著性检测 | 第42-53页 |
| ·显著性检测方法 | 第42-43页 |
| ·显著性特征提取 | 第43-48页 |
| ·显著性检测评价 | 第48-53页 |
| ·融合粒子滤波和显著性检测的目标跟踪算法 | 第53-55页 |
| ·实验结果与分析 | 第55-62页 |
| ·本章小结 | 第62-64页 |
| 第4章 总结与展望 | 第64-66页 |
| ·研究工作总结 | 第64页 |
| ·进一步工作展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 在读期间发表的学术论文与取得的其它研究成果 | 第74页 |
