| 致谢 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 背景建模算法研究现状 | 第16-17页 |
| 1.2.2 智能监控系统研究现状 | 第17-18页 |
| 1.3 本文研究内容和章节安排 | 第18-19页 |
| 1.4 本论文的创新点 | 第19-21页 |
| 2. 背景建模算法介绍 | 第21-31页 |
| 2.1 经典背景建模算法 | 第21-28页 |
| 2.1.1 均值函数法和中值函数法 | 第21-22页 |
| 2.1.2 w4模型背景建模算法 | 第22-24页 |
| 2.1.3 单高斯背景建模算法 | 第24-25页 |
| 2.1.4 混合高斯背景建模算法 | 第25-26页 |
| 2.1.5 贝叶斯背景建模算法 | 第26-27页 |
| 2.1.6 VIBE背景建模算法 | 第27-28页 |
| 2.2 实时智能监控系统对于背景建模算法的要求 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3. 基于邻域特征和灰度信息的背景建模算法 | 第31-56页 |
| 3.1 LBP特征及其在背景建模中的缺陷 | 第31-36页 |
| 3.1.1 LBP特征简介 | 第31-34页 |
| 3.1.2 LBP直接用于背景建模的缺陷 | 第34-36页 |
| 3.2 本论文的邻域特征编码 | 第36-43页 |
| 3.2.1 邻域特征编码方法及其距离度量 | 第36-40页 |
| 3.2.2 邻域特征与灰度信息的互补性分析 | 第40-43页 |
| 3.3 基于邻域特征和灰度信息的背景建模算法 | 第43-48页 |
| 3.3.1 基于邻域特征和灰度信息的双层背景模型 | 第43-44页 |
| 3.3.2 双层背景模型的相似性度量 | 第44-45页 |
| 3.3.3 基于邻域特征和灰度信息的双层背景建模算法流程 | 第45-48页 |
| 3.4 实验结果与分析 | 第48-54页 |
| 3.4.1 实验数据库 | 第48-49页 |
| 3.4.2 算法效果与参数设置 | 第49-51页 |
| 3.4.3 双层背景模型的合理性分析 | 第51-53页 |
| 3.4.4 与主流背景建模算法比较 | 第53-54页 |
| 3.5 本章小结 | 第54-56页 |
| 4. 基于短时前景改进的快速VIBE算法 | 第56-71页 |
| 4.1 VIBE算法速度分析 | 第56-59页 |
| 4.2 基于短时前景模型改进的VIBE背景模型 | 第59-60页 |
| 4.3 基于短时前景改进的快速VIBE算法流程 | 第60-62页 |
| 4.4 实验结果与分析 | 第62-69页 |
| 4.4.1 算法效果与参数设置 | 第62-67页 |
| 4.4.2 短时前景模型的有效性分析 | 第67-69页 |
| 4.5 本章小结 | 第69-71页 |
| 5. 跨摄像机的实时智能监控系统平台研制 | 第71-87页 |
| 5.1 系统设计背景 | 第71页 |
| 5.2 系统功能概述 | 第71-73页 |
| 5.3 系统总体设计 | 第73-75页 |
| 5.3.1 系统架构 | 第73-74页 |
| 5.3.2 功能架构 | 第74-75页 |
| 5.3.3 技术架构 | 第75页 |
| 5.4 系统核心算法模块 | 第75-81页 |
| 5.4.1 目标跟踪模块概述 | 第76-77页 |
| 5.4.2 目标匹配模块概述 | 第77-79页 |
| 5.4.3 运动前景检测模块与背景建模 | 第79-81页 |
| 5.5 跨摄像机的实时智能监控系统演示 | 第81-86页 |
| 5.5.1 系统演示界面设计 | 第81-82页 |
| 5.5.2 系统实验效果演示 | 第82-86页 |
| 5.6 本章小结 | 第86-87页 |
| 6. 总结与展望 | 第87-89页 |
| 6.1 本文工作总结 | 第87-88页 |
| 6.2 未来工作展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 攻读硕士期间所取得的科研成果和参与课题 | 第93页 |