复杂环境运动目标检测技术及应用

第1章　概述
　1.1　基本概念
　1.2　研究进展
　1.3　技术难点分析
　1.4　主要应用领域
第2章　典型的运动目标检测技术及适用性分析
　2.1　基于光流法的运动目标检测技术
　　2.1.1　基本概念
　　2.1.2　算法原理
　　2.1.3　常见的光流法
　2.2　基于帧差法的运动目标检测技术
　　2.2.1　基本思想
　　2.2.2　算法流程
　2.3　基于背景差法的运动目标检测
　　2.3.1　基本思想
　　2.3.2　算法流程
　2.4　混合高斯背景建模
　　2.4.1　混合高斯背景模型的建立
　　2.4.2　混合高斯背景模型的更新
　2.5　不同运动目标检测技术的适用性分析
第3章　摄像机畸变校正技术
　3.1　数理模型
　　3.1.1　坐标系
　　3.1.2　摄像机标定模型
　　3.1.3　非线性畸变模型
　3.2　摄像机标定方法的分类
　　3.2.1　基于标定物的标定法
　　3.2.2　摄像机自标定方法
　　3.2.3　基于主动视觉的标定方法
　　3.2.4　不同摄像机标定方法的适用性分析
　3.3　基于GPU的畸变校正加速算法
　　3.3.1　采用CUDA技术的GPU
　　3.3.2　基于网格标定的校正技术原理
　　3.3.3　GBGC算法概述
　　3.3.4　GBGC算法关键步骤
　3.4　实验结果分析
第4章　静态场景运动目标检测技术
　4.1　基本原理
　4.2　分类特征的选择
　　4.2.1　颜色特征
　　4.2.2　纹理特征
　4.3　相似性度量的定义
　4.4　基于Choquet积分的特征融合
　4.5　基于自适应阈值的图像分割算法
　　4.5.1　定义
　　4.5.2　基本步骤
　　4.5.3　阈值更新策略
　4.6　实验结果分析
　　4.6.1　颜色特征选择实验
　　4.6.2　ULBP纹理特征选择实验
　　4.6.3　自适应分类阈值确定实验
　　4.6.4　复杂背景条件下运动目标检测实验
　　4.6.5　运动目标检测效果的定量分析
第5章　动态场景运动目标检测技术
　5.1　基本原理
　5.2　基于多尺度Harris角点SAM的图像配准算法
　　5.2.1　算法基础
　　5.2.2　算法描述
　　5.2.3　多尺度边缘检测算法
　　5.2.4　多尺度Hartis角点检测算法
　　5.2.5　相似性测度的定义及误匹配点对的删除
　　5.2.6　图像配准实验
　5.3　基于帧差法的运动目标检测算法
　　5.3.1　算法描述
　　5.3.2　具体实现
　　5.3.3　帧差法实验
　5.4　实验结果分析
第6章　红外图像运动目标检测技术
　6.1　基本原理
　6.2　基于小波系数相关度的图像去噪增强算法
　　6.2.1　问题描述
　　6.2.2　算法描述
　　6.2.3　具体实现
　　6.2.4　图像去噪增强实验
　6.3　特征的相似性度量
　6.4　基于Sugeno模糊积分的分类特征融合
　6.5　实验结果分析
第7章　基于双目视觉的运动目标检测技术
　7.1　双目视觉基本原理
　7.2　实现步骤
　7.3　双目摄像机标定
　7.4　双目立体匹配
　　7.4.1　特殊性及难点
　　7.4.2　具体实现
第8章　运动目标检测技术在智能监控系统中的应用
　8.1　智能监控系统的发展历程
　8.2　运动目标检测技术应用情况
参考文献