視頻前景檢測及其在水電工程監(jiān)測中的應用

第1章  概論
1.1  引言
1.2  視頻前景檢測應用
1.3  研究現(xiàn)狀與問題
1.3.1  光流法
1.3.2  幀間差分法
1.3.3  背景差分法
1.4  光流法
1.5  性能評價
1.5.1  檢測率
1.5.2  ROC曲線
1.6  智能視頻分析及其在水電工程監(jiān)控中的應用
1.6.1  智能視頻監(jiān)控技術簡介
1.6.2  水電工程中的視頻監(jiān)控現(xiàn)狀分析
參考文獻
第2章  幀差前景檢測
2.1  單幀間差分法
2.1.1  幀差模型
2.1.2  閾值化
2.1.3  后處理
2.1.4  幀差法總結
2.2  二次幀差法
2.2.1  基本二次幀差法
2.2.2  幅二次幀差法
2.2.3  幅二次幀差法
2.3  其他幀差方法及改進
2.4  開發(fā)環(huán)境的搭建
2.4.1  OpenCV簡介
2.4.2  MFC簡介
2.4.3  設置VC6.0的環(huán)境
2.4.4  在項目中運用OpenCV
2.4.5  在MFC中使用OpenCV搭建系統(tǒng)界面
2.5  算法系統(tǒng)的實現(xiàn)
2.6  實驗結果及分析
參考文獻
第3章  背景建模前景檢測
3.1  基本原理
3.2  基本流程
3.3  方法分類
3.3.1  像素級方法
3.3.2  區(qū)域級方法
3.3.3  幀級方法
3.3.4  背景差分法比較
3.4  滑動平均背景建模
3.4.1  算法原理
3.4.2  算法實現(xiàn)
3.5  性能比較
參考文獻
第4章  基于概率密度函數(shù)的背景模型
4.1  引言
4.2  單高斯背景建模
4.2.1  數(shù)學模型
4.2.2  均值及協(xié)方差
4.2.3  判決
4.2.4  模型更新
4.3  混合高斯背景建模
4.4  OpenCV混合高斯建模分析
4.4.1  OpenCV 1.0版本
4.4.2  OpenCV 2.O版本
4.5  常見前景檢測方法性能比較
4.6  總結
參考文獻
第5章  基于樣本集的背景建模
5.1  引言
5.2  viBe算法
5.2.1  viBe算法原理
5.2.2  ViBe算法特征
5.2.3  ViBe算法缺陷
5.2.4  實驗結果及分析
5.3  運動背景與噪聲的抑制
5.3.1  算法思路
5.3.2  實驗與分析
5.4  陰影檢測及去除方法
5.4.1  常見陰影檢測及去除方法
5.4..2  算法思路
5.4.3  實驗與分析
5.5  基于聚類的ViBe背景提取及陰影去除算法
5.5.1  常見聚類算法分析
5.5.2  K-means聚類算法
5.5.3  背景提取
5.5.4  實驗與分析
5.6  總結
參考文獻
第6章  船閘禁停線監(jiān)測中的應用
6.1  視頻圖像預處理
6.1.1  問題分析
6.1.2  改進的中值濾波
6.1.3  實驗結果及分析
6.2  基于改進混合高斯背景建模的船只檢測
6.2.1  改進混合高斯背景建模算法
6.2.2  實驗效果與分析
6.3  基于Vibe算法的船只檢測
6.3.1  實驗效果
6.3.2  實驗分析
6.4  船閘場景船只陰影去除算法
6.4.1  問題分析
6.4.2  基于RGB顏色空間的陰影去除算法
6.4.3  基于HSV空間的陰影去除算法
6.4.4  陰影去除算法小結
6.5  船閘禁停線監(jiān)控系統(tǒng)的設計與實現(xiàn)
6.5.1  系統(tǒng)設計
6.5.2  系統(tǒng)實現(xiàn)
參考文獻