学位论文 > 优秀研究生学位论文题录展示

运动目标检测中减背景技术的若干方法

作　者: 赵颜果
导　师: 关玉景
学　校: 吉林大学
专　业: 计算数学
关键词: 混合高斯核密度估计聚类码本
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 314次
引　用: 3次
阅　读: 论文下载

内容摘要

减背景技术是基于视频的运动目标检测中一项最基本的技术,它被广泛应用于机器人导航、视频监控、智能交通等领域。本文是对减背景技术的一篇综述,重点讨论的是复杂场景下的背景建模算法。本文简介了减背景技术的基本知识,介绍了几种经典的减背景算法,即帧差法、W4方法、时间轴滤波法等,并分析了各自的优缺点。在此基础上,重点详细地从理论到应用讨论了三类针对复杂动态场景的背景建模技术,它们分别是基于混合高斯模型、核密度估计和聚类分析的,针对其中的某些具体算法,本文指出了其存在的问题,也给出了一些自己的提议。

全文目录

提要  4-7
第一章引言  7-11
  1.1 减背景技术简介  7-10
    1.1.1 减背景技术的基本思想和主要内容  7-9
    1.1.2 减背景技术的研究现状  9-10
  1.2 本文结构  10-11
第二章几种典型减背景算法  11-14
  2.1 帧间差分法  11
  2.2 W4方法  11-12
  2.3 时间轴滤波法  12
  2.4 单高斯背景模型法  12-14
第三章复杂场景下的背景建模技术  14-51
  3.1 基于混合高斯模型的减背景技术  14-33
    3.1.1 模型描述  15-16
    3.1.2 EM算法及其在混合高斯模型中的应用  16-22
    3.1.3 场景建模及运动检测  22-28
    3.1.4 自适应混合高斯模型  28-33
    3.1.5 混合高斯的优缺点  33
  3.2 基于核密度估计的减背景技术  33-39
    3.2.1 核密度估计理论  33-36
    3.2.2 核密度估计在背景建模中的应用  36-39
  3.3 基于聚类分析的背景建模算法  39-51
    3.3.1 基于码本的背景建模算法  39-49
    3.3.2 基于简单聚类分析的动态背景建模算法  49-51
第四章总结与展望  51-52
  4.1 本文总结  51
  4.2 展望  51-52
参考文献  52-54
致谢  54-55
中文摘要  55-57
英文摘要  57-59

相似论文

隐式用户兴趣挖掘的研究与实现,TP311.13
图像分割中阴影去除算法的研究,TP391.41
基于图分割的文本提取方法研究,TP391.41
牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
高血压前期证候特征研究,R259
高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
K-均值聚类算法的研究与改进,TP311.13
大学生综合素质测评研究,G645.5
大豆品种对腐竹品质的影响及其品质评价体系的初步构建,TS214.2
21个荷花品种遗传多样性的ISSR分析,S682.32
基于聚类分析的P2P流量识别算法的研究,TP393.02
基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
桃杂交后代（F₁）幼苗光合效能评价,S662.1
南通市农业面源污染负荷研究与综合评价,X592
土壤环境功能区划研究,X321
基因表达谱数据聚类分析方法比较与大豆疫霉基因的网络构建,S435.651
大豆杂种优势及其遗传基础研究,S565.1
象草自交后代无性系的饲用价值及生物质能特性初步评价,S543.9
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于变异粒子群的聚类算法研究,TP18
K-means聚类优化算法的研究,TP311.13