| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-14页 |
| 1 绪论 | 第14-32页 |
| ·研究的背景 | 第14-16页 |
| ·研究的目的和意义 | 第16-18页 |
| ·研究目的 | 第16-17页 |
| ·研究意义 | 第17-18页 |
| ·国内外研究现状 | 第18-25页 |
| ·行人视频检测方法的研究现状 | 第18-19页 |
| ·人群疏散模型的研究现状 | 第19-25页 |
| ·研究的内容和方法 | 第25-28页 |
| ·研究内容 | 第25-28页 |
| ·研究方法 | 第28页 |
| ·论文的框架结构 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 2 行人视频检测与人群疏散模型的基础理论 | 第32-54页 |
| ·行人视频检测的基础理论 | 第32-37页 |
| ·元胞自动机的基础理论 | 第37-41页 |
| ·人群疏散模型的基础理论 | 第41-52页 |
| ·力学模型 | 第41-42页 |
| ·格子气模型 | 第42-45页 |
| ·元胞自动机模型 | 第45-52页 |
| ·本章小结 | 第52-54页 |
| 3 行人视频检测方法的研究 | 第54-76页 |
| ·行人运动的基本特征 | 第54-57页 |
| ·低密度状态下行人视频检测方法的研究 | 第57-66页 |
| ·改进GMM的运动目标检测 | 第57-60页 |
| ·基于Kalman滤波和Mean-Shift算法的目标跟踪 | 第60-64页 |
| ·采用BP神经网络的目标识别 | 第64-65页 |
| ·实验分析 | 第65-66页 |
| ·高密度状态下行人视频检测方法的研究 | 第66-75页 |
| ·混合颜色模型下的人头区域确定 | 第67-69页 |
| ·基于Canny算法与小波变换的人头轮廓提取 | 第69-72页 |
| ·人头的精确定位 | 第72-74页 |
| ·匹配计数 | 第74页 |
| ·实验分析 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 4 正常情况下的人群疏散模型 | 第76-120页 |
| ·无障碍情况下人群疏散模型 | 第76-106页 |
| ·模型建立 | 第76-84页 |
| ·演化规则 | 第84-87页 |
| ·模型模拟分析 | 第87-104页 |
| ·实验分析 | 第104-106页 |
| ·有障碍情况下人群疏散模型 | 第106-118页 |
| ·有障碍物情况下的静态领域值 | 第107-111页 |
| ·模型分析 | 第111-114页 |
| ·障碍物布局的模拟分析 | 第114-116页 |
| ·实验分析 | 第116-118页 |
| ·本章小结 | 第118-120页 |
| 5 紧急情况下的人群疏散模型 | 第120-152页 |
| ·视线受影响情况下的人群疏散模型 | 第120-136页 |
| ·无疏散标志的人群疏散模型 | 第121-128页 |
| ·有疏散标志的人群疏散模型 | 第128-136页 |
| ·存在挤压情况的人群疏散模型 | 第136-144页 |
| ·模型建立 | 第136-138页 |
| ·演化规则 | 第138-140页 |
| ·模型模拟分析 | 第140-144页 |
| ·发生火灾情况下的人群疏散模型 | 第144-150页 |
| ·模型建立 | 第144-145页 |
| ·演化规则 | 第145-146页 |
| ·模型模拟分析 | 第146-150页 |
| ·本章小结 | 第150-152页 |
| 6 研究总结及展望 | 第152-156页 |
| ·主要研究结论 | 第152-154页 |
| ·研究展望 | 第154-156页 |
| 参考文献 | 第156-172页 |
| 作者简历 | 第172-176页 |
| 学位论文数据集 | 第176页 |