监控视频事件检测算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文研究成果 | 第10页 |
| 1.4 论文结构安排 | 第10-12页 |
| 第二章 多目标跟踪算法 | 第12-23页 |
| 2.1 跟踪方法要点概述 | 第12-15页 |
| 2.1.1 跟踪对象的目标描述 | 第12-13页 |
| 2.1.2 跟踪对象的视觉特征 | 第13-14页 |
| 2.1.3 定位跟踪目标方法 | 第14页 |
| 2.1.4 跟踪算法关注目标数量 | 第14-15页 |
| 2.2 基于广义最小团的多目标跟踪算法 | 第15-18页 |
| 2.2.1 广义最小团问题模型 | 第15页 |
| 2.2.2 跟踪问题模型应用 | 第15-18页 |
| 2.3 算法改进 | 第18-22页 |
| 2.3.1 GMCP实验室前期结果 | 第18-19页 |
| 2.3.2 轨迹片段合并 | 第19-22页 |
| 2.4 实验结果 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 跑步事件检测算法 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 TRECVID SED竞赛简介 | 第23-25页 |
| 3.3 前向后向运动历史图 | 第25-31页 |
| 3.3.1 运动历史图 | 第25-27页 |
| 3.3.2 前向后向运动历史图计算 | 第27-31页 |
| 3.4 跑步事件检测算法 | 第31-36页 |
| 3.5 实验结果和分析 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 群体事件检测算法 | 第39-47页 |
| 4.1 算法框架 | 第39-40页 |
| 4.2 视觉特征提取 | 第40-42页 |
| 4.3 码书与分类器 | 第42-44页 |
| 4.4 事件融合与人机交互 | 第44页 |
| 4.5 实验结果分析 | 第44-46页 |
| 4.6 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 本文总结 | 第47-48页 |
| 5.2 未来工作展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间发表的学术论文目录 | 第53页 |
