面向运动目标检测的背景差分算法改进与实现 |
论文目录 | | | 摘要 | 第1-5页 | | ABSTRACT | 第5-8页 | | 第一章 绪论 | 第8-14页 | | · 引言 | 第8-9页 | | · 研究背景和意义 | 第9-10页 | | · 国内外研究现状 | 第10-11页 | | · 本文研究内容 | 第11-14页 | | 第二章 背景差分算法简介 | 第14-21页 | | · 背景差分基本原理 | 第14-17页 | | · 背景差分方法的分类 | 第17页 | | · 背景差分算法的难点 | 第17-21页 | | 第三章 经典背景差分算法实现和分析 | 第21-53页 | | · 基本背景差分 | 第22-30页 | | · 基于均值的背景模型 | 第22-26页 | | · 基于中值的背景模型 | 第26-27页 | | · 基于直方图的背景模型 | 第27-30页 | | · 统计模型背景差分 | 第30-44页 | | · 单高斯模型背景差分(Single Gaussian,SG) | 第30-33页 | | · 混合高斯模型背景差分(Mixture of Gaussians,MOG) | 第33-37页 | | · 核密度估计模型背景差分(Kernel Density Estimation,KDE) | 第37-41页 | | · 支持向量模型背景差分(Support Vector,SV) | 第41-44页 | | · 神经网络模型背景差分 | 第44-53页 | | 第四章 背景差分算法改进 | 第53-67页 | | · 自动空背景提取 | 第53-55页 | | · 前景检测 | 第55-61页 | | · 阴影消除 | 第61-67页 | | 第五章 算法应用与验证 | 第67-79页 | | · 原型系统设计 | 第67页 | | · 模块设计 | 第67-71页 | | · 视频数据采集模块 | 第68页 | | · 背景差分运动检测模块 | 第68-70页 | | · 行人分割和跟踪模块 | 第70页 | | · 实时监控显示终端和数据日志模块 | 第70-71页 | | · 系统实现 | 第71-79页 | | · 硬件组成 | 第71页 | | · 软件环境 | 第71-72页 | | · 算法改进结果 | 第72-78页 | | · 系统实现效果 | 第78-79页 | | 第六章 总结和展望 | 第79-81页 | | · 本文总结 | 第79页 | | · 展望 | 第79-81页 | | 参考文献 | 第81-84页 | | 攻读硕士学位期间发表的论文 | 第84-85页 | | 致谢 | 第85页 |
|
|
|
