基于数据挖掘技术的智能视频监控异常分析方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景及其意义 | 第10-11页 |
| ·国内外研究动态 | 第11-13页 |
| ·人群的密度估计与数量估计 | 第11-12页 |
| ·异常行为分析研究 | 第12-13页 |
| ·数据挖掘技术在视频人群异常分析中的应用 | 第13页 |
| ·论文的主要研究内容 | 第13-16页 |
| 第2章 运动目标检测 | 第16-21页 |
| ·常用的运动目标检测方法 | 第16-17页 |
| ·光流法 | 第16页 |
| ·帧间差分法 | 第16-17页 |
| ·边缘检测法 | 第17页 |
| ·背景差法 | 第17页 |
| ·背景建模方法 | 第17-19页 |
| ·混合高斯模型法 | 第18页 |
| ·模型参数更新 | 第18-19页 |
| ·实验仿真结果 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 监控视频中人群的密度估计和数量估计 | 第21-27页 |
| ·人群前景图像的提取 | 第21页 |
| ·人群纹理特征的提取 | 第21-23页 |
| ·常用的纹理分析方法 | 第21-22页 |
| ·基于灰度共生矩阵（GLCM）的纹理分析方法 | 第22-23页 |
| ·人群密度和数量估计的实现思路 | 第23-25页 |
| ·支持向量机的人群密度估计 | 第23-24页 |
| ·人数估计方程的线性回归 | 第24-25页 |
| ·实验及结果分析 | 第25-26页 |
| ·人群的密度估计 | 第25页 |
| ·人群的数量估计 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第4章 中高密度人群聚散事件识别方法研究 | 第27-38页 |
| ·角点检测 | 第27-29页 |
| ·Forstner 角点检测算子 | 第27-28页 |
| ·Susan 角点检测算子 | 第28页 |
| ·Harris 角点检测算子 | 第28-29页 |
| ·目标角点的获取 | 第29页 |
| ·人群聚集事件特征提取 | 第29-31页 |
| ·聚散事件的识别 | 第31-32页 |
| ·人群聚集事件的识别 | 第32页 |
| ·聚集事件的后续事件的识别 | 第32页 |
| ·实验及结果分析 | 第32-37页 |
| ·目标角点获取仿真实验 | 第32-35页 |
| ·人群聚散事件识别仿真实验 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于目标跟踪的异常行为识别 | 第38-51页 |
| ·Meanshift 目标跟踪算法 | 第38-41页 |
| ·Meanshift 跟踪算法原理 | 第38-40页 |
| ·Meanshift 跟踪算法的实现步骤 | 第40页 |
| ·基于Meanshift 多目标跟踪实现 | 第40-41页 |
| ·基于目标跟踪的运动特征提取 | 第41-43页 |
| ·异常行为识别实验及结果分析 | 第43-45页 |
| ·基于决策树分类的异常行为识别 | 第43-44页 |
| ·试验及结果分析 | 第44-45页 |
| ·基于摄像机标定的异常识别方法改进 | 第45-49页 |
| ·摄像机标定技术 | 第45-47页 |
| ·摄像机标定实验仿真结果 | 第47-49页 |
| ·基于摄像机标定异常事件识别实验及结果分析 | 第49页 |
| ·本章小结 | 第49-51页 |
| 第6章 结论与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 在学期间发表的学术论文和参加科研情况 | 第56-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-66页 |
