| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-26页 |
| 1.1 课题研究背景与研究意义 | 第12-13页 |
| 1.2 课题研究现状及难点 | 第13-24页 |
| 1.2.1 运动目标检测现状及难点 | 第13-17页 |
| 1.2.2 运动目标分类现状及难点 | 第17-24页 |
| 1.3 论文的主要内容及结构安排 | 第24-26页 |
| 2 面向智能监控的运动目标检测和目标分类方法 | 第26-38页 |
| 2.1 运动目标检测方法 | 第26-31页 |
| 2.1.1 帧间差分法 | 第26-28页 |
| 2.1.2 背景建模法 | 第28-31页 |
| 2.2 运动目标分类方法 | 第31-37页 |
| 2.2.1 卷积神经网络的原理 | 第31-33页 |
| 2.2.2 卷积神经网络的结构 | 第33-37页 |
| 2.3 运动目标检测和分类方法 | 第37页 |
| 2.4 本章小结 | 第37-38页 |
| 3 基于背景建模和BING的运动目标检测 | 第38-48页 |
| 3.1 运动目标检测整体设计 | 第38-39页 |
| 3.2 形态学处理 | 第39-41页 |
| 3.2.1 膨胀和腐蚀 | 第40-41页 |
| 3.2.2 开运算和闭运算 | 第41页 |
| 3.3 BING算法原理 | 第41-43页 |
| 3.4 实验结果与分析 | 第43-46页 |
| 3.4.1 经过形态学处理后的运动目标检测的实验结果 | 第44-45页 |
| 3.4.2 基于BING的目标检测的实验结果 | 第45-46页 |
| 3.4.3 基于GMM和BING的运动目标检测的实验结果 | 第46页 |
| 3.5 本章小结 | 第46-48页 |
| 4 基于卷积神经网络的运动目标分类 | 第48-61页 |
| 4.1 建立运动目标数据库 | 第48-50页 |
| 4.2 基于卷积神经网络的运动目标分类 | 第50-54页 |
| 4.2.1 运动目标图像的预处理 | 第50-51页 |
| 4.2.2 卷积神经网络设计 | 第51-54页 |
| 4.2.3 不平衡样本训练策略 | 第54页 |
| 4.2.4 多模型融合策略 | 第54页 |
| 4.3 实验结果与分析 | 第54-59页 |
| 4.3.1 实验结果的评价指标 | 第54-55页 |
| 4.3.2 预处理后的实验结果 | 第55-56页 |
| 4.3.3 单模型的实验结果 | 第56-57页 |
| 4.3.4 不平衡样本的实验结果 | 第57-58页 |
| 4.3.5 多模型融合的实验结果 | 第58-59页 |
| 4.4 基于运动目标检测和分类方法的实验结果 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 工作总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第67-69页 |
| 学位论文数据集 | 第69页 |