| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-19页 |
| ·课题研究的背景及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-16页 |
| ·主要研究内容及创新 | 第16-18页 |
| ·论文的组织结构 | 第18-19页 |
| 2 运动目标检测算法研究 | 第19-27页 |
| ·帧间差分算法 | 第19-20页 |
| ·光流算法 | 第20-22页 |
| ·背景差分算法 | 第22-26页 |
| ·平均背景算法 | 第22-23页 |
| ·高斯背景算法 | 第23-24页 |
| ·码本背景算法 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 3 Vibe 背景建模算法 | 第27-39页 |
| ·算法基本思想 | 第27-28页 |
| ·背景模型初始化 | 第28页 |
| ·背景模型更新策略 | 第28-29页 |
| ·Vibe 背景建模法分析 | 第29-33页 |
| ·Vibe 算法的优点 | 第30页 |
| ·Vibe 算法的缺点 | 第30-33页 |
| ·Vibe 算法的改进 | 第33-38页 |
| ·鬼影检测 | 第33-35页 |
| ·静止目标检测 | 第35页 |
| ·阴影检测 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于抠图技术的前景分割算法 | 第39-48页 |
| ·Grabcut 算法 | 第39-42页 |
| ·Grabcut 算法思想介绍 | 第39-41页 |
| ·Grabcut 算法特征分析 | 第41-42页 |
| ·Colsed-form 算法 | 第42-45页 |
| ·Closed-form 算法思想介绍 | 第43-44页 |
| ·Colsed-form 算法特征分析 | 第44-45页 |
| ·Grabcut 和 Closed-form 算法对比 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 5 结合抠图技术的 Vibe 目标检测算法 | 第48-64页 |
| ·GVibe 算法 | 第48-58页 |
| ·GVibe 算法思想介绍 | 第49-51页 |
| ·GVibe 算法实现流程 | 第51-54页 |
| ·GVibe 算法实验分析 | 第54-58页 |
| ·CVibe 算法 | 第58-61页 |
| ·CVibe 算法思想介绍 | 第58-59页 |
| ·CVibe 算法实现流程 | 第59-60页 |
| ·CVibe 算法实验分析 | 第60-61页 |
| ·GVibe 和 CVibe 算法对比 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 6 总结与展望 | 第64-67页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71页 |