背景建模技术的研究与实现
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·选题的意义与背景 | 第10页 |
| ·国内外智能交通发展概况 | 第10-11页 |
| ·背景建模技术的研究现状 | 第11-16页 |
| ·典型的背景建模方法 | 第11-15页 |
| ·背景建模的应用现状 | 第15-16页 |
| ·关键技术及技术难点 | 第16页 |
| ·本文所做工作及章节内容安排 | 第16-18页 |
| 2 基于混合高斯背景建模 | 第18-28页 |
| ·引言 | 第18页 |
| ·混合高斯模型 | 第18-20页 |
| ·基于混合高斯模型的建立与参数更新 | 第20-24页 |
| ·算法描述 | 第20-21页 |
| ·模型参数的更新 | 第21-22页 |
| ·学习因子α的动态调整 | 第22-24页 |
| ·前景目标提取 | 第24-25页 |
| ·实验仿真结果与分析 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 3 混合高斯模型的改进 | 第28-47页 |
| ·引言 | 第28页 |
| ·边缘检测方法分析 | 第28-32页 |
| ·边缘检测原理 | 第28-29页 |
| ·几种边缘检测算子 | 第29-31页 |
| ·几种边缘检测算子的比较 | 第31-32页 |
| ·基于边缘信息的混合高斯模型的建立与参数更新 | 第32-34页 |
| ·算法描述 | 第32-34页 |
| ·模型参数的更新 | 第34页 |
| ·前景目标提取 | 第34-35页 |
| ·提取前景目标的滤波处理 | 第35-36页 |
| ·阴影检测与去除 | 第36-43页 |
| ·阴影检测原理 | 第37-38页 |
| ·基于亮度失真度的阴影检测方法 | 第38-43页 |
| ·实验仿真结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 4 一种扩展混合高斯背景建模 | 第47-54页 |
| ·中值滤波 | 第47-48页 |
| ·背景参数模型的构建 | 第48-49页 |
| ·目标检测 | 第49页 |
| ·背景参数更新 | 第49-52页 |
| ·仿真试验及其分析 | 第52-54页 |
| 5 基于非参数统计贝叶斯背景 | 第54-66页 |
| ·分类规则 | 第54-55页 |
| ·特征矢量的建立 | 第55-57页 |
| ·特征矢量的选择 | 第55-56页 |
| ·特征矢量的统计特性 | 第56-57页 |
| ·算法描述 | 第57-63页 |
| ·算法流程 | 第58-61页 |
| ·变化检测与分类 | 第61页 |
| ·概率表及背景模型的更新 | 第61-63页 |
| ·学习过程收敛性讨论 | 第63-64页 |
| ·仿真试验及结果分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-67页 |
| ·论文主要工作总结 | 第66页 |
| ·进一步研究内容 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 攻读硕士研究生期间科研情况 | 第72-73页 |
| 致谢 | 第73页 |
