| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第14-15页 |
| 1 绪论 | 第15-21页 |
| 1.1 研究背景与意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 研究目标 | 第16-17页 |
| 1.4 研究内容 | 第17-19页 |
| 1.5 论文结构 | 第19-21页 |
| 2 相关研究 | 第21-27页 |
| 2.1 高斯混合模型 | 第21-22页 |
| 2.2 像素灰度归类 | 第22页 |
| 2.3 局部二值化 | 第22-23页 |
| 2.4 GoogLeNetInceptionV1结构 | 第23-24页 |
| 2.5 YOLO检测框架 | 第24-25页 |
| 2.6 CNN性能评价指标 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 3 一种基于图像均方差的背景建模方法 | 第27-37页 |
| 3.1 算法描述 | 第27-30页 |
| 3.2 实验及分析 | 第30-34页 |
| 3.3 煤矿井下人员检测 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4 一种基于CNN的运动目标检测和识别方法 | 第37-51页 |
| 4.1 算法描述 | 第38-43页 |
| 4.2 模型训练及实验分析 | 第43-49页 |
| 4.3 本章小结 | 第49-51页 |
| 5 基于PICA的快速高斯混合模型 | 第51-68页 |
| 5.1 算法描述 | 第51-55页 |
| 5.2 实验及分析 | 第55-61页 |
| 5.3 皮带机大块异物检测 | 第61-66页 |
| 5.4 本章小结 | 第66-68页 |
| 6 结论 | 第68-71页 |
| 6.1 本文工作 | 第68-69页 |
| 6.2 进一步研究工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者简历 | 第75-77页 |
| 学位论文数据集 | 第77页 |