| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景和意义 | 第11-14页 |
| 1.2 国内外研究概况 | 第14-16页 |
| 1.2.1 群体分割的国内外研究现状 | 第14-15页 |
| 1.2.2 群体异常行为检测的国内外研究现状 | 第15-16页 |
| 1.3 论文主要研究内容 | 第16-18页 |
| 第二章 密集群体的时空信息提取 | 第18-30页 |
| 2.1 基于KLT算法的运动轨迹提取 | 第18-23页 |
| 2.1.1 KLT算法原理 | 第18-21页 |
| 2.1.2 金字塔KLT计算方法 | 第21页 |
| 2.1.3 轨迹特征提取 | 第21-22页 |
| 2.1.4 实验结果与分析 | 第22-23页 |
| 2.2 基于混合高斯背景建模的前景提取 | 第23-28页 |
| 2.2.1 混合高斯背景建模算法的原理 | 第23-26页 |
| 2.2.2 EM算法 | 第26-27页 |
| 2.2.3 实验结果与分析 | 第27-28页 |
| 2.3 小结 | 第28-30页 |
| 第三章 基于时空信息约束的密集群体分割方法 | 第30-45页 |
| 3.1 基于空间信息约束的群体划分 | 第30-33页 |
| 3.2 基于时间信息约束的群体划分 | 第33-34页 |
| 3.3 异常点的剔除和修正 | 第34-35页 |
| 3.4 现有算法原理分析及仿真 | 第35-41页 |
| 3.4.1 CF(Coherent Filtering)算法 | 第35-39页 |
| 3.4.2 CT(Collective Transition priors)算法 | 第39-41页 |
| 3.5 算法对比实验与分析 | 第41-44页 |
| 3.6 小结 | 第44-45页 |
| 第四章 基于卷积神经网络的异常行为检测 | 第45-55页 |
| 4.1 卷积神经网络 | 第45-48页 |
| 4.1.1 卷积神经网络原理 | 第45-47页 |
| 4.1.2 双分支CNN模型构建 | 第47-48页 |
| 4.2 群体运动描述因子 | 第48-50页 |
| 4.3 异常行为定义 | 第50-52页 |
| 4.4 实验分析 | 第52-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 多路视频监控设计 | 第55-60页 |
| 5.1 多路视频监控 | 第55-56页 |
| 5.2 基于OpenCV和OpenMP的多路视频监控 | 第56-58页 |
| 5.2.1 OpenMP并行编程 | 第56-57页 |
| 5.2.2 OpenMp编译指导语句 | 第57-58页 |
| 5.3 实验与分析 | 第58-59页 |
| 5.4 小结 | 第59-60页 |
| 第六章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第67-68页 |
| 作者在攻读硕士学位期间所作的项目 | 第68-69页 |
| 致谢 | 第69-70页 |
