复杂背景建模与运动目标检测算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·运动目标检测关键技术 | 第10-13页 |
| ·背景建模 | 第10-11页 |
| ·主流的背景建模算法 | 第11-12页 |
| ·阴影检测与消除 | 第12页 |
| ·运动目标检测面临的挑战 | 第12-13页 |
| ·论文主要工作与结构安排 | 第13-14页 |
| 第二章 复杂背景建模及其目标检测 | 第14-26页 |
| ·彩色模型 | 第14-16页 |
| ·RGB 彩色模型 | 第14页 |
| ·HSV 彩色模型 | 第14-15页 |
| ·色度、亮度分解后的 RGB 模型 | 第15-16页 |
| ·相似性度量 | 第16-17页 |
| ·复杂背景建模及其目标检测 | 第17-24页 |
| ·中值滤波法 | 第18页 |
| ·基于时间轴滤波的背景估计 | 第18-19页 |
| ·W4 方法 | 第19-21页 |
| ·卡尔曼滤波法 | 第21页 |
| ·单高斯模型 | 第21-22页 |
| ·码书模型 | 第22-23页 |
| ·混合高斯模型 | 第23-24页 |
| ·非参数模型 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第三章 基于混和高斯模型的运动目标检测 | 第26-42页 |
| ·传统的混合高斯模型 MOG | 第26-30页 |
| ·模型定义 | 第26-27页 |
| ·模型更新 | 第27-28页 |
| ·前景检测 | 第28页 |
| ·实验结果 | 第28-30页 |
| ·阴影检测 | 第30-33页 |
| ·灰度空间阴影检测算法 | 第30-32页 |
| ·HSV 空间阴影检测算法 | 第32页 |
| ·实验结果 | 第32-33页 |
| ·改进的混合高斯模型 MOG1 | 第33-41页 |
| ·前景模型 | 第33-34页 |
| ·MOG1 下的阴影检测 | 第34-37页 |
| ·MOG1 性能分析 | 第37页 |
| ·实验结果 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 非参数核密度估计背景建模方法 | 第42-66页 |
| ·非参数估计原理 | 第42-46页 |
| ·概率密度函数的频率估计 | 第42-43页 |
| ·核估计定义 | 第43-45页 |
| ·有限样本的核估计 | 第45-46页 |
| ·核函数 | 第46-53页 |
| ·MSE 与 MISE | 第47-48页 |
| ·MSE 与 MISE 的最优逼近 | 第48-49页 |
| ·核函数选取 | 第49-50页 |
| ·实验结果 | 第50-53页 |
| ·窗宽选取 | 第53-55页 |
| ·快速简单的窗宽选择方法 | 第53-54页 |
| ·交叉验证方法 | 第54页 |
| ·实验结果 | 第54-55页 |
| ·高斯核密度估计背景建模 | 第55-65页 |
| ·背景建模 | 第56页 |
| ·实验窗宽 | 第56-58页 |
| ·目标检测 | 第58-59页 |
| ·背景更新 | 第59-61页 |
| ·实验结果 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·本文工作总结 | 第66页 |
| ·未来工作展望 | 第66-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
