基于脉线的群体分割与人群异常行为检测
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景与意义 | 第7-8页 |
| ·国内外群体研究方法综述 | 第8-9页 |
| ·论文的主要内容章节安排 | 第9-11页 |
| 第二章 基于分割和行为检测的底层特征提取 | 第11-19页 |
| ·引言 | 第11-12页 |
| ·底层特征提取方法 | 第12-17页 |
| ·基于时空特征点的检测方法 | 第12页 |
| ·基于光流的动态特征提取 | 第12-17页 |
| ·群体分割和异常行为检测的描述 | 第17页 |
| ·特征提取方法对比分析 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第三章 基于脉线的群体分割算法 | 第19-32页 |
| ·引言 | 第19页 |
| ·群体运动的描述方法 | 第19-22页 |
| ·拉格朗日法 | 第20-21页 |
| ·欧拉法 | 第21-22页 |
| ·流场的基本概念 | 第22-26页 |
| ·脉线的计算 | 第24-25页 |
| ·倾向流(streak flow) | 第25-26页 |
| ·分水岭分割 | 第26-28页 |
| ·分水岭算法 | 第26-28页 |
| ·群体分割算法 | 第28-30页 |
| ·相似性计算 | 第28-29页 |
| ·群体分割算法步骤 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 基于势能的群体异常行为检测 | 第32-50页 |
| ·引言 | 第32页 |
| ·势函数 | 第32-36页 |
| ·平面向量场 | 第33-34页 |
| ·群体运动的势场分解 | 第34-36页 |
| ·奇异值分解算法 | 第36-39页 |
| ·奇异值的定义与分解 | 第36页 |
| ·奇异值分解原理 | 第36-39页 |
| ·PCA主成份分析 | 第39-41页 |
| ·PCA的定义 | 第40-41页 |
| ·PCA计算原理 | 第41页 |
| ·支持向量机(SVM) | 第41-46页 |
| ·支持向量机的原理 | 第41-45页 |
| ·SVM的核函数 | 第45-46页 |
| ·群体异常行为检测 | 第46-49页 |
| ·群体异常行为检测框图 | 第46-48页 |
| ·群体异常行为检测步骤 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 实验结果与分析 | 第50-61页 |
| ·数据集简介 | 第50-52页 |
| ·群体分割数据集 | 第50页 |
| ·异常行为检测数据集 | 第50-52页 |
| ·实验数据结果 | 第52-60页 |
| ·群体运动分割结果 | 第53-54页 |
| ·群体运动分割结果分析 | 第54页 |
| ·群体异常行为检测结果 | 第54-59页 |
| ·群体异常行为检测结果分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| ·总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 作者在攻读硕士期间发表的论文 | 第67-68页 |
