| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第二章 人群异常行为概述 | 第14-25页 |
| 2.1 关于人群行为理解的现有观点 | 第14-16页 |
| 2.2 人群异常分类及特征 | 第16-18页 |
| 2.3.人群特征提取 | 第18-19页 |
| 2.4 人群异常分类技术 | 第19-20页 |
| 2.5 人群行为识别数据库 | 第20-23页 |
| 2.6 存在问题及发展趋势 | 第23-25页 |
| 第三章 异常行为识别系统研究 | 第25-33页 |
| 3.1 系统思想 | 第25-26页 |
| 3.2 系统详细设计 | 第26-30页 |
| 3.3 实验结果 | 第30-32页 |
| 3.4 结论 | 第32-33页 |
| 第四章 基于局部特征跟踪的人群行为识别 | 第33-50页 |
| 4.1 算法思想 | 第33-34页 |
| 4.2 人群跟踪 | 第34-37页 |
| 4.2.1 局部特征提取 | 第35-36页 |
| 4.2.2 局部特征跟踪 | 第36-37页 |
| 4.3 群体事件特性 | 第37-39页 |
| 4.3.1 局部人群密度 | 第37-38页 |
| 4.3.2 人群运动：速度和方向 | 第38-39页 |
| 4.4 异常变化检测与事件识别 | 第39-41页 |
| 4.4.1 人群建模 | 第39页 |
| 4.4.2 人群变化检测 | 第39-41页 |
| 4.4.3 事件识别 | 第41页 |
| 4.5 人群事件分类 | 第41-42页 |
| 4.6 实验结果 | 第42-48页 |
| 4.6.1 数据库 | 第42-43页 |
| 4.6.2 实验与分析 | 第43-48页 |
| 4.7 结论 | 第48-50页 |
| 第五章 基于灰度共生矩阵（GLCM）的人群暴力和异常检测 | 第50-64页 |
| 5.1 相关算法研究 | 第50-52页 |
| 5.2 方法概述 | 第52-54页 |
| 5.3 测试数据 | 第54-56页 |
| 5.3.1 CF暴力数据库 | 第54-55页 |
| 5.3.2 暴力流数据库 | 第55页 |
| 5.3.3 UCF网络人群异常数据库 | 第55页 |
| 5.3.4 UMN人群异常数据库 | 第55-56页 |
| 5.4 实验分析 | 第56-63页 |
| 5.4.1 像素对关系 | 第60-61页 |
| 5.4.2 帧分割 | 第61-62页 |
| 5.4.3 窗口长度 | 第62-63页 |
| 5.5 结论 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间取得的学术成果 | 第72-73页 |
| 致谢 | 第73页 |