人群异常状态检测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 本文的内容和结构 | 第13-15页 |
| 第二章 运动目标检测与异常状态检测算法 | 第15-27页 |
| 2.1 运动目标检测及信息提取 | 第15-20页 |
| 2.1.1 帧差法 | 第15-16页 |
| 2.1.2 背景差法 | 第16页 |
| 2.1.3 光流法 | 第16-20页 |
| 2.2 异常状态检测概述 | 第20-24页 |
| 2.2.1 异常状态定义 | 第20-21页 |
| 2.2.2 特征提取法 | 第21-23页 |
| 2.2.3 场景模型与学习法 | 第23-24页 |
| 2.3 本文的人群异常状态检测算法介绍 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 人群网络图构建与聚集度计算 | 第27-40页 |
| 3.1 KLT运动目标检测及信息提取 | 第27-29页 |
| 3.2 基于图论的人群网络图构建 | 第29-31页 |
| 3.2.1 基于KNN的个体邻接点集合获取 | 第29页 |
| 3.2.2 图分析法的基本理论 | 第29-30页 |
| 3.2.3 人群网络图的构建 | 第30-31页 |
| 3.3 聚集度计算 | 第31-39页 |
| 3.3.1 一致性与人群异常状态 | 第32页 |
| 3.3.2 聚集度的计算 | 第32-35页 |
| 3.3.3 数学论证及阈值的选取 | 第35-38页 |
| 3.3.4 实验及结果分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 人群特征点聚类 | 第40-49页 |
| 4.1 聚类的概述 | 第40-43页 |
| 4.1.1 相似性度量 | 第40-42页 |
| 4.1.2 聚类算法介绍 | 第42-43页 |
| 4.2 人群特征点聚类算法 | 第43-48页 |
| 4.2.1 基于特征点间的一致性聚类 | 第43-45页 |
| 4.2.2 实验与结果分析 | 第45-48页 |
| 4.3 本章总结 | 第48-49页 |
| 第五章 人群异常状态检测算法设计 | 第49-73页 |
| 5.1 基于图分析法的人群异常状态检测算法 | 第49-54页 |
| 5.2 疏散状态的检测算法 | 第54-58页 |
| 5.2.1 疏散状态的特征分析 | 第54页 |
| 5.2.2 疏散状态的算法设计 | 第54-55页 |
| 5.2.3 实验结果 | 第55-58页 |
| 5.3 聚集状态的检测算法 | 第58-63页 |
| 5.3.1 聚集状态的特征分析 | 第59-60页 |
| 5.3.2 聚集状态的算法设计 | 第60页 |
| 5.3.3 实验结果 | 第60-63页 |
| 5.4 骚乱状态的检测算法 | 第63-69页 |
| 5.4.1 骚乱状态的特征分析 | 第64-65页 |
| 5.4.2 骚乱状态的算法设计 | 第65页 |
| 5.4.3 实验结果 | 第65-69页 |
| 5.5 人群异常状态检测算法对比分析 | 第69-72页 |
| 5.6 本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 全文总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 个人简历及攻读硕士期间的主要研究成果 | 第81-82页 |
