文摘
英文文摘
声明
第1章绪论
1.1选题背景和意义
1.2研究现状及存在问题
1.3本文研究的主要内容和所做工作
1.4章节安排
第2章 图像采集系统与相关技术处理
2.1图像采集系统
2.2图像预处理相关技术
2.2.1、图像灰度化
2.2.2消除图像的噪音
2.2.3图像二值化
2.2.4背景差分
2.3小结
第3章几种背景建模技术的比较
3.1平均估计法
3.2基于Kalman渐消滤波的方法
3.3基于高阶统计量的分块方法
3.4中值法背景估计
3.5光流法
3.6实验分析
3.7小结
第4章改进的频度背景估计
4.1传统的频度估计模型
4.1.1频度估计的思想
4.1.2频度估计算法设计流程
4.2改进的频度估计算法
4.2.1改进思想
4.2.2灰度变化幅度的T选取
4.2.3改进的频度估计算法
4.3实验分析
4.4小结
第5章基于统计学习理论的背景重建
5.1统计学习理论基础
5.1.1机器学习的基本问题
5.1.2统计学习理论的核心内容
5.2支持向量机
5.2.1广义最优分类面
5.2.2支持向量机
5.2.3核函数
5.3 LibSVM
5.3.1 LibSVM
5.3.2 SVM分类器
5.4 SVM背景估计
5.4.1学习样本分块法
5.4.2训练学习样本
5.4.3预测测试样本
5.5实验数据分析
5.6小结
第6章频度估计和SVM相结合的背景建模
6.1频度估计和SVM相结合的思想
6.2背景建模流程
6.3样本采集机制
6.4实验分析
6.5小结
第7章总结与展望
致谢
参考文献
附录 1 LibSVM
个人简历及在学期间发表论文