| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-20页 |
| 1.1 课题研究背景及意义 | 第14-15页 |
| 1.2 研究现状 | 第15-18页 |
| 1.3 本文工作内容与章节安排 | 第18-20页 |
| 2 人群行为异常检测方法概述 | 第20-32页 |
| 2.1 运动目标检测 | 第20-28页 |
| 2.1.1 帧差法 | 第20-21页 |
| 2.1.2 背景减法 | 第21-22页 |
| 2.1.3 光流法 | 第22-28页 |
| 2.1.3.1 Horn-Shunck光流算法 | 第23-24页 |
| 2.1.3.2 Lucas-Kanade光流算法 | 第24-25页 |
| 2.1.3.3 实验分析 | 第25-28页 |
| 2.1.4 块匹配法 | 第28页 |
| 2.2 特征提取算法 | 第28-30页 |
| 2.2.1 运动信息统计学特征 | 第29页 |
| 2.2.2 图像纹理的特征 | 第29-30页 |
| 2.2.3 粒子运动的力学模型 | 第30页 |
| 2.3 本章小结 | 第30-32页 |
| 3 基于修正社会力模型的人群行为特征提取 | 第32-49页 |
| 3.1 社会力模型 | 第32-37页 |
| 3.1.1 经典社会力模型简介 | 第33-36页 |
| 3.1.2 基于经典社会力模型的修正 | 第36-37页 |
| 3.2 基于社会力模型的人群行为异常检测 | 第37-39页 |
| 3.2.1 基于经典社会力模型的人群行为异常检测 | 第37-38页 |
| 3.2.2 传统基于社会力模型的人群行为异常检测方法缺陷分析 | 第38-39页 |
| 3.3 基于修正社会力模型的人群行为特征提取 | 第39-48页 |
| 3.3.1 光流计算 | 第40-41页 |
| 3.3.2 Harris角点提取算法 | 第41-42页 |
| 3.3.3 行人特征点检测实验分析 | 第42-46页 |
| 3.3.4 基于行人角点检测的修正社会力计算及特征提取 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于光流共生矩阵的人群行为特征提取 | 第49-60页 |
| 4.1 共生矩阵简介 | 第49-50页 |
| 4.2 基于光流共生矩阵的人群行为特征提取 | 第50-54页 |
| 4.2.1 光流值共生矩阵及特征提取 | 第51-53页 |
| 4.2.2 光流方向共生矩阵与特征提取 | 第53-54页 |
| 4.3 特征提取与处理 | 第54-59页 |
| 4.3.1 光流共生矩阵构造参数的选取 | 第54-56页 |
| 4.3.2 光流共生矩阵特征提取与预处理 | 第56-58页 |
| 4.3.3 实验结果及分析 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 人群行为异常检测算法 | 第60-72页 |
| 5.1 支持向量机原理 | 第60-64页 |
| 5.2 基于支持向量机的人群行为异常检测算法 | 第64-65页 |
| 5.3 实验结果与分析 | 第65-71页 |
| 5.3.1 实验数据库与评判标准 | 第65-68页 |
| 5.3.2 实验结果与分析 | 第68-71页 |
| 5.4 本章小结 | 第71-72页 |
| 6 总结与展望 | 第72-75页 |
| 6.1 总结 | 第72-73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 个人简历、在学校期间发表的学术论文及研究成果 | 第80页 |
| 个人简历 | 第80页 |
| 在学校期间发表的学术论文及研究成果 | 第80页 |