| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 运动目标检测研究现状 | 第11页 |
| 1.2.2 图像分类研究现状 | 第11-12页 |
| 1.3 本文主要研究内容及结构安排 | 第12-13页 |
| 1.4 本文实验硬件环境 | 第13页 |
| 1.5 小结 | 第13-16页 |
| 第二章 运动目标检测与卷积神经网络的相关理论基础 | 第16-28页 |
| 2.1 图像预处理 | 第16-21页 |
| 2.1.1 图像灰度化 | 第16页 |
| 2.1.2 图像滤波 | 第16-18页 |
| 2.1.3 形态学处理 | 第18-21页 |
| 2.2 运动目标检测 | 第21-23页 |
| 2.2.1 光流法 | 第21页 |
| 2.2.2 帧间差分法 | 第21-22页 |
| 2.2.3 背景差分法 | 第22-23页 |
| 2.3 卷积神经网络 | 第23-27页 |
| 2.4 小结 | 第27-28页 |
| 第三章 基于VIBE和三帧差分法改进的运动目标检测方法 | 第28-38页 |
| 3.1 三帧差分法 | 第28-29页 |
| 3.2 Vibe算法 | 第29-30页 |
| 3.3 改进算法 | 第30-32页 |
| 3.3.1 全局光线变化判断 | 第30-31页 |
| 3.3.2 背景更新策略 | 第31-32页 |
| 3.4 实验结果和分析 | 第32-36页 |
| 3.4.1 鬼影消除 | 第32-34页 |
| 3.4.2 缓慢目标检测 | 第34-35页 |
| 3.4.3 光照突变的检测 | 第35页 |
| 3.4.4 性能分析 | 第35-36页 |
| 3.5 小结 | 第36-38页 |
| 第四章 基于VGG16的图像分类网络 | 第38-48页 |
| 4.1 相关模型介绍 | 第38-39页 |
| 4.1.1 AlexNet | 第38-39页 |
| 4.1.2 VGGNet | 第39页 |
| 4.2 迁移学习 | 第39-40页 |
| 4.3 模型的选择及调整 | 第40-45页 |
| 4.3.1 VGG16的不足 | 第40-42页 |
| 4.3.2 基于深度学习的运动目标分类网络设计 | 第42-44页 |
| 4.3.3 网络分类准确率验证 | 第44-45页 |
| 4.4 运动目标检测识别数据集的训练 | 第45-47页 |
| 4.4.1 数据集介绍 | 第45页 |
| 4.4.2 训练策略 | 第45-46页 |
| 4.4.3 训练过程和结果 | 第46-47页 |
| 4.5 小结 | 第47-48页 |
| 第五章 运动目标检测与分类识别实现 | 第48-52页 |
| 5.1 实现环境 | 第48页 |
| 5.2 实现流程 | 第48-49页 |
| 5.3 前景后处理 | 第49页 |
| 5.4 框选区域校正 | 第49-50页 |
| 5.5 实现结果 | 第50-51页 |
| 5.6 小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 本文研究总结 | 第52-53页 |
| 6.2 工作展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读硕士期间发表学术论文 | 第60页 |