基于运动信息的异常行为检测方法研究与系统实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状及分析 | 第11-15页 |
| 1.2.1 行人异常行为检测的研究现状 | 第11-12页 |
| 1.2.2 异常行为检测理论发展现状 | 第12-15页 |
| 1.3 本论文的主要内容 | 第15-16页 |
| 1.4 论文结构安扫排 | 第16-17页 |
| 第二章 监控视频中运动目标检测 | 第17-33页 |
| 2.1 监控视频中的运动目标检测算法 | 第17-25页 |
| 2.1.1 帧间差分法 | 第18-19页 |
| 2.1.2 光流法 | 第19-21页 |
| 2.1.3 混合高斯模型(GMM)法 | 第21-22页 |
| 2.1.4 ViBe算法 | 第22-25页 |
| 2.2 基于机器学习的行人检测算法研究 | 第25-29页 |
| 2.2.1 HOG特征提取 | 第25-27页 |
| 2.2.2 分类器训练 | 第27-29页 |
| 2.3 串联组合行人检测方法研究 | 第29-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第三章 运动目标跟踪算法 | 第33-47页 |
| 3.1 跟踪算法概述 | 第33-37页 |
| 3.1.1 基于特征的跟踪算法 | 第34-36页 |
| 3.1.2 基于区域的跟踪算法 | 第36页 |
| 3.1.3 基于轮廓的跟踪算法 | 第36-37页 |
| 3.1.4 基于模型的跟踪算法 | 第37页 |
| 3.2 行人跟踪总体设计 | 第37-41页 |
| 3.2.1 卡尔曼滤波跟踪算法 | 第38-40页 |
| 3.2.2 匈牙利算法 | 第40-41页 |
| 3.3 运动检测与跟踪信息的融合 | 第41-44页 |
| 3.3.1 基于Kalman滤波的多目标跟踪算法 | 第42-43页 |
| 3.3.2 实验结果分析 | 第43-44页 |
| 3.4 运动轨迹拟合 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 行人异常行为检测研究 | 第47-57页 |
| 4.1 几种典型异常行为检测 | 第47-49页 |
| 4.1.1 区域保护检测 | 第48-49页 |
| 4.1.2 目标速度分析 | 第49页 |
| 4.2 徘徊行为检测 | 第49-52页 |
| 4.2.1 运动轨迹分析法 | 第49-50页 |
| 4.2.2 徘徊轨迹分析 | 第50页 |
| 4.2.3 徘徊行为仿真实验 | 第50-52页 |
| 4.3 群体异常行为检测 | 第52-56页 |
| 4.3.1 社会力模型的概念 | 第52-54页 |
| 4.3.2 运动熵 | 第54-55页 |
| 4.3.3 实验结果分析 | 第55-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 异常行为检测系统的实现 | 第57-65页 |
| 5.1 系统整体框架 | 第57-61页 |
| 5.1.1 系统的硬件架构 | 第58-59页 |
| 5.1.2 系统的软件架构 | 第59-61页 |
| 5.2 软件模块的实现 | 第61-63页 |
| 5.2.1 系统的软件架构 | 第61-62页 |
| 5.2.2 相关软件库的支持 | 第62-63页 |
| 5.3 系统运行展示 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
