| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 群体异常行为识别研究现状 | 第11-14页 |
| 1.2.1 图像预处理 | 第12页 |
| 1.2.2 基本事件表示 | 第12-13页 |
| 1.2.3 人群异常事件检测模型 | 第13-14页 |
| 1.3 论文工作内容 | 第14页 |
| 1.4 本论文内容安排 | 第14-16页 |
| 第二章 图像预处理与运动目标前景提取 | 第16-28页 |
| 2.1 图像灰度化处理 | 第16-17页 |
| 2.2 感兴趣区域设置 | 第17-18页 |
| 2.3 图像的去噪 | 第18-20页 |
| 2.4 运动目标前景提取 | 第20-26页 |
| 2.4.1 基于码本模型的前景提取 | 第20-23页 |
| 2.4.2 传统的Vibe前景提取 | 第23-25页 |
| 2.4.3 改进的自适应Vibe算法 | 第25-26页 |
| 2.5 实验分析 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 人数估计算法 | 第28-39页 |
| 3.1 基于加速分割的自适应通用角点提取 | 第29-31页 |
| 3.1.1 建立最优决策树 | 第29-30页 |
| 3.1.2 自适应决策树转换 | 第30-31页 |
| 3.2 基于内插权重的透视矫正算法 | 第31-33页 |
| 3.3 前景像素归一化 | 第33-34页 |
| 3.4 高斯拟合 | 第34-35页 |
| 3.5 实验结果 | 第35-37页 |
| 3.5.1 自适应通用加速分割角点仿真 | 第35-36页 |
| 3.5.2 人数估计 | 第36-37页 |
| 3.6 本章小结 | 第37-39页 |
| 第四章 中小人群异常行为识别 | 第39-63页 |
| 4.1 算法概述 | 第39-40页 |
| 4.2 改进的光流法 | 第40-46页 |
| 4.2.1 光流法简介 | 第40-42页 |
| 4.2.2 光流法的基本原理 | 第42-43页 |
| 4.2.3 Lucas-Kanade光流法 | 第43-44页 |
| 4.2.4 改进的Lucas-Kanade光流估算模型 | 第44-45页 |
| 4.2.5 光流场的提取 | 第45-46页 |
| 4.3 群体运动特征描述参数提取 | 第46-50页 |
| 4.3.1 群体平均动能 | 第46-47页 |
| 4.3.2 群体运动方向熵 | 第47-48页 |
| 4.3.3 群体距离势能 | 第48-49页 |
| 4.3.4 群体运动特征提取 | 第49-50页 |
| 4.4 基于极限学习机的分类算法 | 第50-54页 |
| 4.4.1 极限学习机原理 | 第50-53页 |
| 4.4.2 模型建立 | 第53-54页 |
| 4.4.3 群体异常行为检测 | 第54页 |
| 4.5 实验分析 | 第54-62页 |
| 4.5.1 改进的L-K光流法仿真图 | 第54-56页 |
| 4.5.2 运动特征参数提取与分析 | 第56-60页 |
| 4.5.3 极限学习机 | 第60-61页 |
| 4.5.4 中小人群群体异常行为 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 高密度群体集体运动行为分析 | 第63-77页 |
| 5.1 GKLT算法 | 第63-66页 |
| 5.1.1 特征点的概念 | 第64页 |
| 5.1.2 图像特征点的跟踪 | 第64-65页 |
| 5.1.3 GKLT算法原理 | 第65-66页 |
| 5.2 聚合度检测算法 | 第66-70页 |
| 5.2.1 邻域的行为一致性 | 第67页 |
| 5.2.2 基于路径的全局一致性 | 第67-68页 |
| 5.2.3 基于路径的个体集合度 | 第68-69页 |
| 5.2.4 集合度的性质 | 第69页 |
| 5.2.5 集合运动的检测 | 第69-70页 |
| 5.3 实验分析 | 第70-76页 |
| 5.3.1 GKLT仿真 | 第70-71页 |
| 5.3.2 人群簇仿真 | 第71-75页 |
| 5.3.3 高密度群体异常行为识别仿真 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 本文算法总结 | 第77-78页 |
| 6.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间发表论文及科研成果 | 第83-84页 |
| 致谢 | 第84-85页 |