监控视频中群体状态检测与预报方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 国内外文献综述的简析 | 第11页 |
| 1.3 本文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第2章 基于流量场的群体状态分析方法 | 第13-25页 |
| 2.1 监控视频中群体状态的描述方法 | 第13-16页 |
| 2.2 流量场 | 第16-17页 |
| 2.3 密度检测 | 第17-20页 |
| 2.4 运动速度矢量检测 | 第20-23页 |
| 2.4.1 速度幅值检测 | 第20-22页 |
| 2.4.2 运动方向检测 | 第22-23页 |
| 2.5 群体状态分析 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 格内驻留元胞自动机模型 | 第25-35页 |
| 3.1 元胞自动机模型及其局限性 | 第26-28页 |
| 3.2 改进的元胞自动机模型 | 第28-31页 |
| 3.2.1 转移规则 | 第29-30页 |
| 3.2.2 IPCA 建模 | 第30-31页 |
| 3.3 微团分割及评价方法 | 第31-33页 |
| 3.4 本章小结 | 第33-35页 |
| 第4章 群体状态预报模型 | 第35-43页 |
| 4.1 群体状态检测 | 第36页 |
| 4.2 群体状态预报方法 | 第36-39页 |
| 4.3 自适应预报参数修正 | 第39-41页 |
| 4.4 本章小结 | 第41-43页 |
| 第5章 实验结果及分析 | 第43-62页 |
| 5.1 视频场景群体状态的流量场分析方法 | 第43-44页 |
| 5.2 IPCA 模型与其他模型的比较 | 第44-47页 |
| 5.3 视频场景群体状态的预报 | 第47-55页 |
| 5.4 大规模群体疏散仿真 | 第55-61页 |
| 5.5 本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第67-69页 |
| 致谢 | 第69页 |
