基于形状识别的运动物体检测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第11-15页 |
| 1.1 课题背景与意义 | 第11-12页 |
| 1.2 图像、视频分析技术的发展 | 第12-14页 |
| 1.3 论文的主要内容以及各章节安排 | 第14-15页 |
| 2 相关技术简介 | 第15-24页 |
| 2.1 视频监控发展趋势 | 第15-16页 |
| 2.2 视频压缩编码技术H.264 | 第16-18页 |
| 2.2.1 H.264 编码技术简介 | 第16-17页 |
| 2.2.2 H.264 的技术特点 | 第17-18页 |
| 2.3 运动检测方法 | 第18-23页 |
| 2.3.1 背景减除法 | 第19-20页 |
| 2.3.2 帧间差分法 | 第20-22页 |
| 2.3.3 光流法 | 第22页 |
| 2.3.4 三种算法的比较 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 MRF运动分割 | 第24-40页 |
| 3.1 马尔科夫随机场介绍 | 第24-29页 |
| 3.2 基于形状识别图形 | 第29-33页 |
| 3.2.1 形状识别简介 | 第29页 |
| 3.2.2 矩不变量方法 | 第29-31页 |
| 3.2.3 ShapeContext方法 | 第31-33页 |
| 3.3 识别形状的分类算法 | 第33-38页 |
| 3.3.1 概述 | 第33-35页 |
| 3.3.2 神经网络 | 第35-37页 |
| 3.3.3 支持向量机 | 第37页 |
| 3.3.4 KNN最邻近规则 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 4 基于MRF的运动检测算法 | 第40-48页 |
| 4.1 运动分割流程 | 第40-41页 |
| 4.2 MRF分割模型 | 第41-45页 |
| 4.2.1 运动分割概况 | 第41-44页 |
| 4.2.2 MV聚类分析与MRF参数 | 第44-45页 |
| 4.3 对分割结果进一步识别 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 算法的仿真实验 | 第48-57页 |
| 5.1 实验准备 | 第48-53页 |
| 5.2 实验结果 | 第53-56页 |
| 5.2.1 运动对象识别 | 第53-55页 |
| 5.2.2 时间复杂度对比 | 第55-56页 |
| 5.3 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-61页 |
| 个人简历及发表论文情况 | 第61页 |
