智能视频监控中小群体运动分析研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-12页 |
| 表清单 | 第12-13页 |
| 1 绪论 | 第13-22页 |
| ·研究的背景和意义 | 第13-14页 |
| ·人群运动分析概述 | 第14-16页 |
| ·国内外研究状况及趋势 | 第16-20页 |
| ·论文的主要工作 | 第20页 |
| ·论文的章节安排 | 第20-22页 |
| 2 小群体运动区域检测 | 第22-34页 |
| ·本章引论 | 第22页 |
| ·帧间差分法 | 第22-23页 |
| ·背景差分法 | 第23-25页 |
| ·改进的运动目标检测算法 | 第25-31页 |
| ·改进算法流程 | 第25-26页 |
| ·Canny边缘检测算子 | 第26-27页 |
| ·Canny边缘运动区域求取 | 第27-28页 |
| ·混合高斯建模原理 | 第28-30页 |
| ·HSV颜色空间求差 | 第30-31页 |
| ·实验结果及分析 | 第31-33页 |
| ·小结 | 第33-34页 |
| 3 基于视频粒子的人群运动轨迹提取 | 第34-45页 |
| ·本章引论 | 第34页 |
| ·常用目标跟踪算法 | 第34-35页 |
| ·视频粒子跟踪算法 | 第35-42页 |
| ·改进变分光流法 | 第36-38页 |
| ·光流遮挡处理 | 第38-39页 |
| ·粒子运动估计 | 第39-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·小结 | 第44-45页 |
| 4 基于粒子轨迹的小群体分类 | 第45-54页 |
| ·本章引论 | 第45页 |
| ·人群小群体运动特性分析 | 第45-46页 |
| ·谱图聚类算法 | 第46-47页 |
| ·粒子轨迹小群体分类 | 第47-50页 |
| ·粒子轨迹间相似度计算 | 第48-49页 |
| ·粒子轨迹谱图聚类算法过程 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·小结 | 第53-54页 |
| 5 基于时空特征立方体的小群体异常检测 | 第54-65页 |
| ·本章引论 | 第54页 |
| ·时空立方体特征提取算法 | 第54-56页 |
| ·BP神经网络模型 | 第56-58页 |
| ·具有竞争机制的神经网络模型设计 | 第58-60页 |
| ·实验结果及分析 | 第60-64页 |
| ·数据获取 | 第60-61页 |
| ·实验分析 | 第61-64页 |
| ·小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| ·研究工作总结 | 第65-66页 |
| ·工作展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者简历 | 第71页 |
