第1章 绪论 1
1.1 研究背景及意义 1
1.2 视频运动目标检测研究现状 3
1.2.1 背景差法 4
1.2.2 邻帧差法 5
1.2.3 光流法 5
1.3 视频运动目标定位研究现状 6
1.4 视频运动估计研究现状 7
1.5 视频运动目标跟踪研究现状 8
1.6 本书的内容及章节安排 10
1.6.1 本书的内容 10
1.6.2 本书的章节安排 11
1.7 本章小结 13
参考文献 13
第2章 基于积累差异背景建模的视频运动目标检测 21
2.1 引言 21
2.2 基于积累差异的背景建模 23
2.2.1 积累差异 23
2.2.2 积累差异背景建模 23
2.3 Otsu自适应阈值化及目标轮廓提取 25
2.3.1 Otsu阈值化算法 25
2.3.2 改进的Otsu阈值化算法 26
2.3.3 目标轮廓提取 27
2.4 两步区域生长目标连通区域标记 27
2.5 目标质心关联 28
2.5.1 质心标记 28
2.5.2 质心关联 28
2.6 监控场合行人及运动车辆检测实验 29
2.6.1 积累差异背景建模及运动目标检测 29
2.6.2 运动目标轮廓提取及质心关联 31
2.7 夜间运动车辆检测实验 32
2.8 语义视频运动目标检测实验 36
2.8.1 颜色空间及肤色模型 36
2.8.2 实验效果及分析 38
2.9 积累差异背景建模与GMM背景建模的比较实验 40
2.10 本章小结 43
参考文献 43
第3章 基于差分背景融合建模的运动目标检测 46
3.1 引言 46
3.2 算法基本思想 46
3.3 背景模型的建立 47
3.4 自适应背景更新策略 48
3.5 实验效果与分析 50
3.6 本章小结 54
参考文献 55
第4章 融合Knockout抠图技术的视频运动目标检测 56
4.1 引言 56
4.2 抠图技术简介 56
4.3 视频运动目标区域初步检测 58
4.4 Knockout视频运动目标检测 58
4.4.1 Knockout技术 58
4.4.2 透明度计算 59
4.4.3 自动区域标记 60
4.5 实验效果及分析 61
4.6 本章小结 62
参考文献 63
第5章 基于网格区域划分的视频运动目标检测 64
5.1 引言 64
5.2 算法设计 64
5.3 积累差异背景建模及运动检测 65
5.4 网格区域划分 65
5.5 实验测试及分析 67
5.5.1 空域连通性差时的检测情况 68
5.5.2 网格区域划分前后检测效果比较 69
5.5.3 与GMM法检测效果的比较 71
5.5.4 阈值Tg对检测效果的影响 72
5.5.5 网格大小对检测效果影响的讨论 73
5.6 不同检测方法的分析及比较 75
5.6.1 检测效果对比 75
5.6.2 计算复杂度分析 77
5.6.3 算法实用性说明 77
5.7 本章小结 78
参考文献 78
第6章 基于减法聚类算法的视频运动目标定位 79
6.1 引言 79
6.2 山峰聚类算法 80
6.3 减法聚类算法 82
6.4 减法聚类目标定位 83
6.5 减法聚类目标定位实验 84
6.5.1 减法聚类目标定位过程 84
6.5.2 与区域生长目标定位的比较 85
6.5.3 减法聚类定位的抗噪性实验 87
6.6 椭圆域减法聚类目标定位 88
6.6.1 椭圆域减法聚类算法 88
6.6.2 椭圆域减法聚类目标定位实验 89
6.7 椭圆域减法聚类定位应用举例 93
6.8 本章小结 95
参考文献 96
第7章 视频目标定位的减法聚类改进算法 97
7.1 引言 97
7.2 减法聚类目标定位 98
7.3 算法优化 99
7.3.1 考虑不同维度的邻域半径 100
7.3.2 引入下采样技术 100
7.3.3 选择合适的密度值函数 101
7.3.4 构造网格重定义数据集 103
7.3.5 模糊隶属度前景像素聚类 105
7.3.6 修正目标邻域半径取值 105
7.3.7 确定视频运动目标尺度和方向 106
7.4 实验效果及分析 107
7.4.1 减法聚类算法视频目标定位过程 108
7.4.2 有效邻域半径对定位结果的影响 109
7.4.3 下采样定位效果 109
7.4.4 不同密度函数的定位情况 110
7.4.5 模糊隶属度前景像素归类实验 111
7.4.6 目标尺度和方向参数确定实验 111
7.5 本章小结 115
参考文献 115
第8章 非参数核密度估计视频目标空域定位 117
8.1 引言 117
8.2 非参数核密度估计 118
8.3 非参数核密度估计视频目标空域定位 119
8.4 实验结果与分析 120
8.4.1 定位过程分析 120
8.4.2 不同核函数定位效果分析 122
8.4.3 不同定位算法效果比较 123
8.4.4 带宽对定位的影响 124
8.5 结论 125
参考文献 126
第9章 基于NystrOm密度值逼近的减法聚类 127
9.1 引言 127
9.2 考虑不同维度邻域的减法聚类 129
9.3 NystrOm样本密度值逼近 129
9.3.1 NystrOm样本相关系数加权 130
9.3.2 减法聚类样本密度值逼近 131
9.3.3 NystrOm减法聚类小结 132
9.4 实验结果和分析 133
9.4.1 人工数据实验 133
9.4.2 彩色图像聚类实验 138
9.4.3 UCI数据集聚类实验 140
9.5 结论 141
参考文献 141
第10章 基于运动场预测的六边形块运动估计 143
10.1 引言 143
10.2 经典快速块运动估计搜索算法 144
10.2.1 MPEG—4校验模型采用的菱形搜索算法（DS） 144
10.2.2 PMVFAST算法 144
10.3 PMVHEXBS算法 146
10.3.1 运动估计算法中的搜索模式 146
10.3.2 本章算法搜索模式的选择 147
10.3.3 视频序列中运动的时空相关性 149
10.3.4 初始搜索点的确定 150
10.3.5 “足够好就停止搜索”思想的应用 151
10.3.6 改进的部分失真准则（MPDC） 152
10.3.7 PMVHEXBS算法的步骤 153
10.3.8 本章算法分析 154
10.4 实验结果 156
10.5 本章小结 160
参考文献 161
第11章 基于运动信息自适应的快速运动估计 163
11.1 引言 163
11.2 UMHexagonS算法介绍 164
11.3 运动信息自适应的快速运动估计算法 165
11.3.1 块尺寸自适应的动态搜索窗的计算 165
11.3.2 运动类型自适应的搜索方案选择 166
11.3.3 带方向的十字型搜索 166
11.3.4 自适应的矩形—菱形搜索 167
11.3.5 运动方向自适应的多层次八边形区域搜索 168
11.3.6 块尺寸自适应的六边形搜索 168
11.4 实验仿真与分析 169
11.5 结束语 171
参考文献 172
第12章 快速高效的部分失真块运动估计搜索算法 174
12.1 引言 174
12.2 经典的部分失真块运动估计算法 175
12.2.1 NPDS算法 175
12.2.2 PPDS算法 175
12.3 PMVPDS算法 176
12.3.1 可调的部分失真准则（APDC） 176
12.3.2 运动矢量的分布特性分析 177
12.3.3 运动场预测技术 179
12.3.4 中途停止技术 181
12.3.5 PMVPDS算法步骤 182
12.4 实验结果 182
12.5 本章小结 186
参考文献 187
第13章 基于图像感知哈希技术的运动目标跟踪 188
13.1 引言 188
13.2 复杂场景中运动目标跟踪的难点 189
13.3 基于图像感知哈希技术的运动目标跟踪算法 190
13.3.1 图像感知哈希技术 190
13.3.2 目标模板哈希值的生成 191
13.3.3 哈希值的匹配 192
13.3.4 目标模板的自适应更新 192
13.4 跟踪过程中的问题解决 194
13.4.1 目标的区域搜索及匹配 194
13.4.2 区域目标新进与出离 194
13.4.3 目标尺度变化及遮挡 195
13.5 实现效果与分析 195
13.6 本章小结 198
参考文献 199
第14章 遮挡情况下的运动目标跟踪 200
14.1 引言 200
14.2 完全遮挡下的跟踪 201
14.2.1 目标完全遮挡时的目标搜索方法 201
14.2.2 自适应步长选择的NCC图像匹配算法 202
14.2.3 目标完全遮挡跟踪流程 210
14.3 实验效果及分析 212
14.4 本章小结 214
参考文献 214
第15章 智能视频监控系统中的异常行为分析 216
15.1 引言 216
15.2 区域划定与人体特征提取 217
15.2.1 检测区域设定 217
15.2.2 运动人体标识 218
15.2.3 目标运动特征提取 220
15.3 基于目标团块和运动轨迹的行为判定 221
15.3.1 目标团块分析法 221
15.3.2 运动目标轨迹分析法 221
15.3.3 异常行为规则设定 223
15.4 常见异常检测实验效果及分析 225
15.4.1 区域入侵检测 225
15.4.2 人体跌倒检测 226
15.4.3 遗留物检测 226
15.4.4 区域徘徊检测 227
15.5 本章小结 228
参考文献 228
第16章 总结与展望 230
16.1 总结 230
16.2 展望 232