| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第15-35页 |
| 1.1 群体行为分析的研究背景与意义 | 第15-20页 |
| 1.1.1 研究背景 | 第15-17页 |
| 1.1.2 研究意义 | 第17-20页 |
| 1.2 群体行为研究现状及分析 | 第20-31页 |
| 1.2.1 从社会信号角度看行为分析 | 第20-21页 |
| 1.2.2 群体行为分析基本要素 | 第21-25页 |
| 1.2.3 具有代表性的群体行为数据库 | 第25-28页 |
| 1.2.4 当前方法存在的主要问题及可能的解决方案 | 第28-31页 |
| 1.3 论文的主要研究内容及组织结构 | 第31-35页 |
| 1.3.1 本文的研究内容 | 第31-33页 |
| 1.3.2 论文的组织结构 | 第33-35页 |
| 第2章 基于结构化交互属性的群体认知表达 | 第35-63页 |
| 2.1 引言 | 第35-40页 |
| 2.1.1 相关工作 | 第37-39页 |
| 2.1.2 本章的主要工作 | 第39-40页 |
| 2.2 估计群体交互力 | 第40-43页 |
| 2.2.1 粒子平流 | 第41页 |
| 2.2.2 社会属性假设 | 第41-43页 |
| 2.3 社会属性力模型 | 第43-50页 |
| 2.3.1 区域交互尺度估计 | 第44-46页 |
| 2.3.2 社会属性及潜在影响分析 | 第46-49页 |
| 2.3.3 在线属性融合策略 | 第49-50页 |
| 2.4 实验结果及分析 | 第50-61页 |
| 2.4.1 与经典方法的比较 | 第51-54页 |
| 2.4.2 与替代方法的比较 | 第54-59页 |
| 2.4.3 局部异常检测和定位 | 第59-61页 |
| 2.5 本章小结 | 第61-63页 |
| 第3章 基于结构一致性图挖掘的群组检测 | 第63-83页 |
| 3.1 引言 | 第63-66页 |
| 3.1.1 相关工作 | 第64-65页 |
| 3.1.2 本章的主要工作 | 第65-66页 |
| 3.2 共生结构一致性的轨迹图词包模型 | 第66-71页 |
| 3.2.1 粒子轨迹的提取 | 第66-67页 |
| 3.2.2 基于均值漂移的轨迹聚类 | 第67-68页 |
| 3.2.3 轨迹图词包表示 | 第68-71页 |
| 3.3 共生结构一致性表示实验结果 | 第71-74页 |
| 3.3.1 异常检测任务 | 第71-72页 |
| 3.3.2 事件识别任务 | 第72-74页 |
| 3.4 形成结构一致性密集子图挖掘模型 | 第74-79页 |
| 3.4.1 社会群组形成概率建模 | 第74-75页 |
| 3.4.2 社会性形成规律特征 | 第75-77页 |
| 3.4.3 形成一致性子图构建 | 第77页 |
| 3.4.4 密集子图挖掘 | 第77-79页 |
| 3.5 形成结构一致性表示实验结果 | 第79-81页 |
| 3.6 本章小结 | 第81-83页 |
| 第4章 基于深度属性嵌入图学习的群体视频检索 | 第83-98页 |
| 4.1 引言 | 第83-86页 |
| 4.1.1 相关工作 | 第83-85页 |
| 4.1.2 本章的主要工作 | 第85-86页 |
| 4.2 群体视频检索框架 | 第86-87页 |
| 4.3 深度属性嵌入图排序 | 第87-90页 |
| 4.4 实验结果及分析 | 第90-96页 |
| 4.4.1 群组轮廓属性提取和组织 | 第90-95页 |
| 4.4.2 评价准则 | 第95页 |
| 4.4.3 结果讨论及分析 | 第95-96页 |
| 4.5 本章小结 | 第96-98页 |
| 第5章 基于结构化轨迹学习的群体情感建模 | 第98-124页 |
| 5.1 引言 | 第98-101页 |
| 5.1.1 相关工作 | 第98-100页 |
| 5.1.2 本章的主要工作 | 第100-101页 |
| 5.2 社会情感原则 | 第101-103页 |
| 5.3 群体情感表示 | 第103-111页 |
| 5.3.1 结构化轨迹学习 | 第103-108页 |
| 5.3.2 愉悦度-激励度运动特征 | 第108-110页 |
| 5.3.3 群体情感建模 | 第110-111页 |
| 5.4 实验结果及分析 | 第111-122页 |
| 5.4.1 数据集和真实标定值 | 第111-115页 |
| 5.4.2 群体情感分类 | 第115-118页 |
| 5.4.3 全局异常情感检测 | 第118-121页 |
| 5.4.4 群体情感匹配 | 第121-122页 |
| 5.5 本章小结 | 第122-124页 |
| 第6章 基于结构化深度网络的群体显著度预测 | 第124-140页 |
| 6.1 引言 | 第124-127页 |
| 6.1.1 相关工作 | 第124-126页 |
| 6.1.2 本章的主要工作 | 第126-127页 |
| 6.2 群体显著性深度网络模型 | 第127-132页 |
| 6.2.1 堆叠去噪自动编码器 | 第127-128页 |
| 6.2.2 结构化级联深度结构 | 第128-131页 |
| 6.2.3 群体视频显著度的在线处理 | 第131-132页 |
| 6.3 实验结果及分析 | 第132-138页 |
| 6.3.1 参数设定及评估准则 | 第132-133页 |
| 6.3.2 ASCMN-CROWD数据集的实验评估 | 第133-137页 |
| 6.3.3 CRCNS-CROWD数据集的实验评估 | 第137-138页 |
| 6.4 本章小结 | 第138-140页 |
| 结论 | 第140-143页 |
| 参考文献 | 第143-158页 |
| 攻读博士学位期间发表的论文及其他成果 | 第158-161页 |
| 致谢 | 第161-164页 |
| 个人简历 | 第164页 |
