前景检测技术在虚拟现实、人机交互、视频编码以及智能视频监控等领域都起到了关键作用。特别是在智能视频监控领域，前景检测有时直接构成应用系统，比如入侵检测；有时是高级监控系统的基本组成部分，比如行为分析等。近年来，国内外众多学者已通过大量研究和实践得到多种前景检测方法。《视频前景检测及其在水电工程监测中的应用》较为系统地讲解了视频前景检测技术，对帧差前景检测、基于概率密度函数的背景模型方法和基于样本集的背景建模方法进行了重点分析，以水电工程监测中的船闸禁停线监控这一视频前景检测方法具体应用为例，并配以具体的实例与源码。

第1章 概论
1.1 引言
1.2 视频前景检测应用
1.3 研究现状与问题
1.3.1 光流法
1.3.2 帧间差分法
1.3.3 背景差分法
1.4 光流法
1.5 性能评价
1.5.1 检测率
1.5.2 ROC曲线
1.6 智能视频分析及其在水电工程监控中的应用
1.6.1 智能视频监控技术简介
1.6.2 水电工程中的视频监控现状分析
参考文献
第2章 帧差前景检测
2.1 单帧间差分法
2.1.1 帧差模型
2.1.2 阈值化
2.1.3 后处理
2.1.4 帧差法总结
2.2 二次帧差法
2.2.1 基本二次帧差法
2.2.2 幅二次帧差法
2.2.3 幅二次帧差法
2.3 其他帧差方法及改进
2.4 开发环境的搭建
2.4.1 OpenCV简介
2.4.2 MFC简介
2.4.3 设置VC6.0的环境
2.4.4 在项目中运用OpenCV
2.4.5 在MFC中使用OpenCV搭建系统界面
2.5 算法系统的实现
2.6 实验结果及分析
参考文献
第3章 背景建模前景检测
3.1 基本原理
3.2 基本流程
3.3 方法分类
3.3.1 像素级方法
3.3.2 区域级方法
3.3.3 帧级方法
3.3.4 背景差分法比较
3.4 滑动平均背景建模
3.4.1 算法原理
3.4.2 算法实现
3.5 性能比较
参考文献
第4章 基于概率密度函数的背景模型
4.1 引言
4.2 单高斯背景建模
4.2.1 数学模型
4.2.2 均值及协方差
4.2.3 判决
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 常见前景检测方法性能比较
4.6 总结
参考文献
第5章 基于样本集的背景建模
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 实验结果及分析
5.3 运动背景与噪声的抑制
5.3.1 算法思路
5.3.2 实验与分析
5.4 阴影检测及去除方法
5.4.1 常见阴影检测及去除方法
5.4..2 算法思路
5.4.3 实验与分析
5.5 基于聚类的ViBe背景提取及阴影去除算法
5.5.1 常见聚类算法分析
5.5.2 K-means聚类算法
5.5.3 背景提取
5.5.4 实验与分析
5.6 总结
参考文献
第6章 船闸禁停线监测中的应用
6.1 视频图像预处理
6.1.1 问题分析
6.1.2 改进的中值滤波
6.1.3 实验结果及分析
6.2 基于改进混合高斯背景建模的船只检测
6.2.1 改进混合高斯背景建模算法
6.2.2 实验效果与分析
6.3 基于Vibe算法的船只检测
6.3.1 实验效果
6.3.2 实验分析
6.4 船闸场景船只阴影去除算法
6.4.1 问题分析
6.4.2 基于RGB颜色空间的阴影去除算法
6.4.3 基于HSV空间的阴影去除算法
6.4.4 阴影去除算法小结
6.5 船闸禁停线监控系统的设计与实现
6.5.1 系统设计
6.5.2 系统实现
参考文献