基于视频图像的行人异常行为研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景 | 第7页 |
| 1.2 研究目的与意义 | 第7-8页 |
| 1.3 行人异常行为检测的研究进展 | 第8-11页 |
| 1.3.1 目标提取 | 第8-9页 |
| 1.3.2 特征选择与运动描述 | 第9-10页 |
| 1.3.3 分类算法研究进展 | 第10-11页 |
| 1.3.4 异常行为检测算法的应用 | 第11页 |
| 1.4 论文结构安排 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 图像预处理与基本分类算法 | 第13-24页 |
| 2.1 行人目标检测 | 第13-18页 |
| 2.1.1 光流法 | 第13-15页 |
| 2.1.2 帧间差分法 | 第15-17页 |
| 2.1.3 背景差分法 | 第17-18页 |
| 2.2 图像分类算法 | 第18-23页 |
| 2.2.1 K均值算法 | 第19-20页 |
| 2.2.2 神经网络算法 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 行人前景目标检测 | 第24-36页 |
| 3.1 改进型ViBe背景建模算法 | 第24-27页 |
| 3.1.1 基本ViBe背景建模法 | 第24-26页 |
| 3.1.2 改进型ViBe背景建模算法 | 第26-27页 |
| 3.2 背景模型的更新准则 | 第27-29页 |
| 3.2.1 ViBe算法的更新策略 | 第27-28页 |
| 3.2.2 改进型背景更新策略 | 第28-29页 |
| 3.3 行人前景阴影抑制 | 第29-32页 |
| 3.3.1 基于亮度信息的阴影抑制算法 | 第29-31页 |
| 3.3.2 改进型阴影抑制算法 | 第31-32页 |
| 3.4 数值实验 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 行为特征提取与异常行为识别 | 第36-47页 |
| 4.1 特征模型 | 第36-40页 |
| 4.1.1 Hu矩模型 | 第36-37页 |
| 4.1.2 速度与轮廓变化曲线 | 第37-40页 |
| 4.2 行为模板库 | 第40-41页 |
| 4.3 基于行为模板库的行人异常行为检测 | 第41-42页 |
| 4.4 数值实验 | 第42-46页 |
| 4.4.1 行人行为特征的实验分析 | 第42-45页 |
| 4.4.2 行人异常检测实验分析 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于BP神经网络的行人异常行为检测 | 第47-56页 |
| 5.1 BP神经网络 | 第47-50页 |
| 5.2 数值实验与分析 | 第50-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 下一步研究工作 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 ：攻读硕士学位期间的研究成果 | 第62-63页 |
