智能视频监控中的背景减除算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究历史与现状 | 第10-13页 |
| 1.2.1 背景建模 | 第11-12页 |
| 1.2.2 减除算法 | 第12-13页 |
| 1.2.3 背景模型更新 | 第13页 |
| 1.3 本文的创新点与主要贡献 | 第13-14页 |
| 1.4 本论文的结构安排 | 第14-16页 |
| 第二章 基于概率统计的背景建模方法研究与改进 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 基于概率统计的背景建模方法研究 | 第16-24页 |
| 2.2.1 单高斯背景建模算法 | 第16-18页 |
| 2.2.2 混合高斯背景建模算法 | 第18-22页 |
| 2.2.3 核密度估计法 | 第22-24页 |
| 2.3 基于不定系数的混合高斯模型背景减除算法 | 第24-28页 |
| 2.3.1 算法设计 | 第24-25页 |
| 2.3.2 算法仿真与结果对比 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于改进的ViBe背景减除算法 | 第29-46页 |
| 3.1 引言 | 第29页 |
| 3.2 基于ViBe的背景减除算法 | 第29-31页 |
| 3.2.1 模型实现机制 | 第29-30页 |
| 3.2.2 背景模型初始化 | 第30-31页 |
| 3.2.3 背景模型更新 | 第31页 |
| 3.3 基于改进的ViBe背景减除算法 | 第31-37页 |
| 3.3.1 邻域样本选取优化 | 第32-34页 |
| 3.3.2 前景目标修复 | 第34页 |
| 3.3.3 抑制误检信息传播 | 第34-35页 |
| 3.3.4 消除阴影 | 第35-37页 |
| 3.4 实验仿真与结果分析 | 第37-45页 |
| 3.4.1 实验数据库 | 第37-38页 |
| 3.4.2 实验参数设置 | 第38-39页 |
| 3.4.3 仿真实验及结果对比分析 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于隐式低秩的背景减除算法研究 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 低秩表示与稀疏求解 | 第46-49页 |
| 4.3 基于隐式低秩的背景减除算法 | 第49-54页 |
| 4.3.1 基于低秩近似的背景减除算法 | 第49-51页 |
| 4.3.2 隐式求解 | 第51-53页 |
| 4.3.3 基于隐式低秩的背景减除算法 | 第53-54页 |
| 4.4 仿真实验及结果分析 | 第54-61页 |
| 4.4.1 实验参数设置 | 第54-55页 |
| 4.4.2 对比实验分析 | 第55-61页 |
| 4.5 本章小结 | 第61-63页 |
| 第五章 全文总结和展望 | 第63-65页 |
| 5.1 全文总结 | 第63页 |
| 5.2 本文存在的不足 | 第63-64页 |
| 5.3 后续工作展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间取得的成果 | 第71-72页 |
