| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题研究的背景和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.2.1 智能视频监控系统研究现状 | 第8-10页 |
| 1.2.2 背景建模技术研究现状 | 第10-11页 |
| 1.3 基于背景建模算法的运动目标检测过程 | 第11-12页 |
| 1.4 主要难点与发展趋势 | 第12-13页 |
| 1.5 研究内容与结构安排 | 第13-16页 |
| 1.5.1 本文研究内容 | 第13-14页 |
| 1.5.2 本文的结构安排 | 第14-16页 |
| 第2章 背景与背景模型分类 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 背景特性的分析研究 | 第16-20页 |
| 2.2.1 单模态场景 | 第16-18页 |
| 2.2.2 多模态场景 | 第18-20页 |
| 2.2.3 复杂场景 | 第20页 |
| 2.3 背景建模技术分类讨论 | 第20-22页 |
| 2.3.1 描述方式划分 | 第21页 |
| 2.3.2 存储空间结构划分 | 第21-22页 |
| 2.3.3 算法复杂度划分 | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 经典背景建模方法研究与实现 | 第23-44页 |
| 3.1 典型背景建模方法 | 第23-27页 |
| 3.1.1 帧间差分法 | 第23-24页 |
| 3.1.2 均值、中值滤波背景建模 | 第24-25页 |
| 3.1.3 卡尔曼滤波法 | 第25-27页 |
| 3.2 混合高斯模型 | 第27-31页 |
| 3.2.1 高斯分布介绍 | 第27-28页 |
| 3.2.2 单高斯背景模型 | 第28-29页 |
| 3.2.3 混合高斯背景模型 | 第29-30页 |
| 3.2.4 算法仿真与分析 | 第30-31页 |
| 3.3 W4背景建模算法 | 第31-34页 |
| 3.3.1 模型初始化及目标检测 | 第32页 |
| 3.3.2 模型更新 | 第32-33页 |
| 3.3.3 W4模型算法仿真与分析 | 第33-34页 |
| 3.4 基于码本背景建模算法 | 第34-37页 |
| 3.4.1 码本背景建模概述 | 第34-35页 |
| 3.4.2 基于码本背景模型的前景检测过程 | 第35-36页 |
| 3.4.3 码本模型算法仿真与分析 | 第36-37页 |
| 3.5 基于聚类的分块背景建模算法 | 第37-42页 |
| 3.5.1 算法总体框架 | 第37-39页 |
| 3.5.2 模型训练与前景检测 | 第39-41页 |
| 3.5.3 聚类分块模型的算法仿真与分析 | 第41-42页 |
| 3.6 各种方法的对比 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 时空信息融合的分块背景建模方法 | 第44-55页 |
| 4.1 引言 | 第44页 |
| 4.2 基于高阶矩分块背景模型估计算法 | 第44-48页 |
| 4.2.1 高斯随机变量的高阶矩 | 第45-46页 |
| 4.2.2 算法概况 | 第46-47页 |
| 4.2.3 建模过程 | 第47-48页 |
| 4.3 高阶矩与边缘信息融合的背景模型 | 第48-54页 |
| 4.3.1 高阶矩分块判别改进 | 第50页 |
| 4.3.2 基于Canny边缘算子的目标块精细划分 | 第50-51页 |
| 4.3.3 连续性讨论 | 第51-52页 |
| 4.3.4 前景检测与模型更新 | 第52-53页 |
| 4.3.5 阴影消除与光照补偿后处理 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第5章 算法的实验与后续分析 | 第55-64页 |
| 5.1 算法评估准则介绍 | 第55-56页 |
| 5.2 算法总体评价 | 第56-63页 |
| 5.2.1 检测效果与P-R曲线 | 第56-60页 |
| 5.2.2 算法时空对比 | 第60-61页 |
| 5.2.3 HMC算法几点讨论 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 论文主要工作总结 | 第64页 |
| 6.2 后续工作与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |