| 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11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-25页 |
| ·人群分析的研究背景 | 第14-21页 |
| ·人群分析的研究意义 | 第14-16页 |
| ·人群分析的国内外研究状况及趋势 | 第16-21页 |
| ·人群分析的基本框架和主要研究内容 | 第21-23页 |
| ·论文的主要工作 | 第23-24页 |
| ·论文的章节安排 | 第24-25页 |
| 2 粒子视频流算法 | 第25-40页 |
| ·特征点跟踪 | 第26-27页 |
| ·光流估计 | 第27-32页 |
| ·H-S 微分光流法 | 第28-29页 |
| ·变分光流法 | 第29-30页 |
| ·基于光流的遮挡检测 | 第30-32页 |
| ·粒子视频算法 | 第32-37页 |
| ·粒子通道 | 第32-33页 |
| ·粒子扩散 | 第33页 |
| ·粒子联接 | 第33页 |
| ·粒子优化 | 第33-36页 |
| ·粒子剔除 | 第36页 |
| ·粒子添加 | 第36-37页 |
| ·实验结果及分析 | 第37-38页 |
| ·本章小节 | 第38-40页 |
| 3. 基于粒子视频流的高密度人群轨迹聚类 | 第40-52页 |
| ·算法基本思想 | 第40-41页 |
| ·粒子轨迹的计算 | 第41-42页 |
| ·最长共同子序列 | 第42-45页 |
| ·轨迹聚类过程 | 第45-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 4. 基于粒子视频流的高密度人群运动分割及异常检测 | 第52-66页 |
| ·有限时间李亚诺普指数场 | 第53-56页 |
| ·定义及术语 | 第53页 |
| ·李雅诺普夫指数 | 第53-54页 |
| ·有限时间李雅诺普夫指数 | 第54-56页 |
| ·拉格朗日相干结构 | 第56-57页 |
| ·算法实施过程 | 第57-62页 |
| ·光流计算 | 第58-59页 |
| ·视频粒子流图 | 第59-60页 |
| ·FTLE 场 | 第60-61页 |
| ·FTLE 场分割 | 第61-62页 |
| ·异常检测 | 第62页 |
| ·实验结果及分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| ·本文工作总结 | 第66-67页 |
| ·工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 作者简介 | 第72页 |