| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.1.1 计算机视觉 | 第8页 |
| 1.1.2 智能视频监控 | 第8-9页 |
| 1.1.3 运动图像前景提取 | 第9页 |
| 1.2 当前研究现状及发展趋势 | 第9-12页 |
| 1.2.1 运动图像前景提取综述 | 第10-11页 |
| 1.2.2 当前运动图像前景提取研究领域的研究成果 | 第11-12页 |
| 1.3 论文研究内容与组织结构 | 第12-14页 |
| 第二章 相关背景知识介绍 | 第14-22页 |
| 2.1 数字图像处理的基本概念 | 第14-17页 |
| 2.1.1 数字图像表示 | 第14-15页 |
| 2.1.2 像素邻接性与距离度量 | 第15-17页 |
| 2.2 像素值及其表示 | 第17-21页 |
| 2.2.1 色彩深度与颜色通道 | 第17页 |
| 2.2.2 颜色模式 | 第17-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于混合高斯模型的自适应前景提取方法 | 第22-35页 |
| 3.1 基本背景建模方法 | 第22-24页 |
| 3.2 改进的背景建模算法 | 第24-31页 |
| 3.2.1 动态调整的高斯分布数 | 第24-27页 |
| 3.2.2 高斯分布参数估计 | 第27-28页 |
| 3.2.3 复杂场景下的更新速率控制 | 第28-31页 |
| 3.3 实验结果及分析 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于非参数概率密度估计的前景提取方法 | 第35-51页 |
| 4.1 基本概率密度估计方法 | 第37-39页 |
| 4.1.1 非参数概率密度估计 | 第37-38页 |
| 4.1.2 模型更新 | 第38-39页 |
| 4.2 改进的非参数概率密度估计方法 | 第39-46页 |
| 4.2.1 单通道图像的概率密度估计 | 第39-40页 |
| 4.2.2 快速概率密度函数估算及更新 | 第40-42页 |
| 4.2.3 多通道图像的概率密度估计及更新 | 第42-43页 |
| 4.2.4 自适应分割阈值 | 第43-46页 |
| 4.3 实验结果及分析 | 第46-50页 |
| 4.3.1 前景提取精度比较 | 第47-49页 |
| 4.3.2 前景提取速度比较 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 基于纹理特征的混合背景建模方法 | 第51-63页 |
| 5.1 基于 LBP 的基础背景建模方法 | 第51-55页 |
| 5.1.1 LBP 描述子 | 第51-53页 |
| 5.1.2 基于 LBP 的背景模型及其更新 | 第53-55页 |
| 5.2 基于 LBP 的自适应混合背景建模 | 第55-60页 |
| 5.2.1 直方图数目的动态控制 | 第55-57页 |
| 5.2.2 自适应更新速率 | 第57-60页 |
| 5.2.3 背景模型的融合 | 第60页 |
| 5.3 实验结果及分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 未来展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录1 程序清单 | 第68-69页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第69-70页 |
| 附录3 攻读硕士学位期间申请的专利 | 第70-71页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第71-72页 |
| 致谢 | 第72页 |