动态场景下运动目标检测与识别算法的研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 研究内容及创新点 | 第10-11页 |
| 1.4 本文章节安排 | 第11-12页 |
| 第二章 运动目标检测相关技术基础 | 第12-25页 |
| 2.1 图像处理基础知识介绍 | 第12-19页 |
| 2.1.1 图像灰度化 | 第12-13页 |
| 2.1.2 图像滤波 | 第13-16页 |
| 2.1.3 形态学处理 | 第16-19页 |
| 2.2 运动目标检测常用方法分类 | 第19-23页 |
| 2.2.1 光流法 | 第19-20页 |
| 2.2.2 帧差法 | 第20页 |
| 2.2.3 背景差分法 | 第20-23页 |
| 2.3 OpenCV简介 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于Vibe的运动目标检测的改进方法 | 第25-34页 |
| 3.1 Vibe算法介绍 | 第25-26页 |
| 3.2 Vibe算法的不足 | 第26-27页 |
| 3.3 基于Vibe算法的改进方法 | 第27-30页 |
| 3.3.1 背景模型构建及初始化 | 第27-28页 |
| 3.3.2 运动目标检测 | 第28-29页 |
| 3.3.3 更新背景及光线突变判定 | 第29-30页 |
| 3.4 实验仿真分析 | 第30-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 结合HOG特征的运动目标识别与分类算法 | 第34-53页 |
| 4.1 目标识别 | 第34-35页 |
| 4.2 HOG特征 | 第35-37页 |
| 4.2.1 HOG特征提取过程 | 第35-37页 |
| 4.3 SVM支持向量机 | 第37-43页 |
| 4.3.1 支持向量机原理 | 第38-42页 |
| 4.3.2 HOG特征结合SVM训练分类 | 第42-43页 |
| 4.4 运动目标检测识别与分类方法 | 第43-48页 |
| 4.5 算法实时性研究 | 第48-50页 |
| 4.6 应用实例 | 第50-51页 |
| 4.7 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 硕士期间论文发表情况 | 第60-61页 |
| 致谢 | 第61页 |
