| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 群体异常行为检测技术国内外研究现状与趋势 | 第11-17页 |
| 1.2.1 国内外实际投入应用检测系统 | 第12页 |
| 1.2.2 国内外群体异常行为检测技术视频仿真数据库 | 第12-14页 |
| 1.2.3 国内外群体异常行为检测技术研究现状 | 第14-16页 |
| 1.2.4 国内外群体异常行为检测技术存在的不足 | 第16-17页 |
| 1.3 论文主要研究内容及文章结构安排 | 第17-18页 |
| 1.4 论文技术路线及创新点 | 第18-19页 |
| 第二章 视频监控图像预处理与运动目标检测 | 第19-28页 |
| 2.1 彩色图像灰度化 | 第19-20页 |
| 2.2 感兴趣区域设置 | 第20页 |
| 2.3 图像噪声去除 | 第20-22页 |
| 2.4 运动目标检测 | 第22-27页 |
| 2.4.1 背景差分法 | 第22-23页 |
| 2.4.2 经典混合高斯背景建模 | 第23-26页 |
| 2.4.3 改进的混合高斯背景建模 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 视频监控中群体密度估计 | 第28-36页 |
| 3.1 算法概述 | 第28页 |
| 3.2 二值前景面积提取 | 第28-29页 |
| 3.3 基于FAST角点的特征检测 | 第29-31页 |
| 3.3.1 FAST角点检测算法 | 第29-31页 |
| 3.3.2 目标角点提取 | 第31页 |
| 3.4 基于内插权重的透视矫正算法 | 第31-33页 |
| 3.5 前景面积归一化 | 第33-34页 |
| 3.6 群体密度估计实现 | 第34-35页 |
| 3.6.1 最小二乘法 | 第34-35页 |
| 3.6.2 群体密度估计步骤 | 第35页 |
| 3.7 人数变化率 | 第35页 |
| 3.8 本章小结 | 第35-36页 |
| 第四章 群体运动特征提取及异常行为检测 | 第36-53页 |
| 4.1 算法概述 | 第36-37页 |
| 4.2 群体运动特征提取概述 | 第37页 |
| 4.3 形态学处理 | 第37-40页 |
| 4.4 局部稠密光流场计算 | 第40-47页 |
| 4.4.1 光流法简介 | 第40-41页 |
| 4.4.2 光流法基本原理 | 第41-42页 |
| 4.4.3 Horn-Schunck光流法及改进算法 | 第42-45页 |
| 4.4.4 Lucas-Kanade光流法 | 第45-46页 |
| 4.4.5 局部稠密光流场计算 | 第46-47页 |
| 4.5 群体运动特征描述参数提取 | 第47-49页 |
| 4.5.1 群体平均动能 | 第47-48页 |
| 4.5.2 群体运动方向熵 | 第48-49页 |
| 4.5.3 群体距离势能 | 第49页 |
| 4.6 随机森林分类器 | 第49-51页 |
| 4.7 群体行为分析及异常检测 | 第51-52页 |
| 4.8 本章小结 | 第52-53页 |
| 第五章 实验步骤及结果分析 | 第53-69页 |
| 5.1 开发环境 | 第53页 |
| 5.2 群体异常行为的定义 | 第53页 |
| 5.3 算法整体框架 | 第53-54页 |
| 5.4 算法研究对象 | 第54-55页 |
| 5.5 群体密度估计算法实验仿真与结果分析 | 第55-59页 |
| 5.6 群体异常行为检测算法实验仿真与结果分析 | 第59-64页 |
| 5.6.1 局部稠密光流场提取 | 第59-60页 |
| 5.6.2 群体运动特征参数提取 | 第60-64页 |
| 5.7 本文异常行为检测算法识别率与实时性分析 | 第64-68页 |
| 5.8 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 6.1 本文算法总结 | 第69页 |
| 6.2 下一步工作 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表论文及科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |