| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 人群密集场景中的行为分析的研究现状 | 第11-13页 |
| 1.2.1 人群密集场景中特征提取方法研究进展 | 第11-12页 |
| 1.2.2 人群密集场景中特征表达的方法研究进展 | 第12页 |
| 1.2.3 人群密集场景中模型构建的方法研究进展 | 第12-13页 |
| 1.3 本文研究内容及章节安排 | 第13-15页 |
| 第2章 人群密集场景中运动模式分析问题解决方案 | 第15-19页 |
| 2.1 人群密集场景的特征提取方法 | 第15-16页 |
| 2.2 人群密集场景的特征表达方法 | 第16页 |
| 2.3 人群密集场景的模型构建方法 | 第16-17页 |
| 2.4 人群密集场景中学习运动模式的整体解决方案 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第3章 距离依赖非参数贝叶斯模型 | 第19-33页 |
| 3.1 狄利克雷过程及中餐馆过程 | 第19-22页 |
| 3.1.1 狄利克雷分布 | 第19-20页 |
| 3.1.2 狄利克雷过程 | 第20-21页 |
| 3.1.3 中餐馆过程 | 第21-22页 |
| 3.2 距离依赖中餐馆过程 | 第22-23页 |
| 3.3 分层狄利克雷过程 | 第23-24页 |
| 3.3.1 分层狄利克雷过程混合模型 | 第24页 |
| 3.3.2 中餐馆连锁店过程 | 第24页 |
| 3.4 距离依赖中餐馆连锁店混合模型 | 第24-32页 |
| 3.4.1 DDCRF的生成过程 | 第25-27页 |
| 3.4.2 DDCRF的求解过程 | 第27-30页 |
| 3.4.3 DDCRF求解过程正确性检验 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于DDCRF的人群密集场景行为模式学习 | 第33-44页 |
| 4.1 解决方案的实际应用 | 第33-36页 |
| 4.1.1 特征提取 | 第33-34页 |
| 4.1.2 特征表达 | 第34页 |
| 4.1.3 模型结构以及先验设置 | 第34-36页 |
| 4.1.4 模型学习 | 第36页 |
| 4.2 实验与分析 | 第36-43页 |
| 4.2.1 NewYorkGrandCentralstation数据集 | 第37-41页 |
| 4.2.2 VittorioE-manueleIIGallery数据集 | 第41-42页 |
| 4.2.3 Crowds-by-Examples数据集 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-51页 |
| 攻读硕士学位期间发表的学术论 | 第51-52页 |
| 致谢 | 第52页 |
