| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 图录 | 第11-12页 |
| 表录 | 第12-13页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 数值预测方法的研究现状 | 第14-16页 |
| 1.3 集群行为分析的研究现状 | 第16-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 1.5 本章小结 | 第19-21页 |
| 第二章 理论概述 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 转移概率矩阵 | 第21-22页 |
| 2.3 基于聚类分析和神经网络的时间序列预测方法 | 第22-25页 |
| 2.3.1 聚类 | 第22页 |
| 2.3.2 GRNN 的基本结构及算法 | 第22-25页 |
| 2.3.3 组合预测方法 | 第25页 |
| 2.4 人数统计的关键技术 | 第25-26页 |
| 2.4.1 目标检测 | 第25-26页 |
| 2.4.2 边缘检测和形态学处理 | 第26页 |
| 2.4.3 人数统计 | 第26页 |
| 2.5 0-1 二进制传感器网络下的多目标路径识别 | 第26-30页 |
| 2.5.1 整数规划 | 第27页 |
| 2.5.2 问题定义 | 第27-28页 |
| 2.5.3 问题建模 | 第28-30页 |
| 2.6 多进制传感器网络下的多目标路径识别 | 第30-31页 |
| 2.6.1 问题建模 | 第30-31页 |
| 2.6.2 问题求解 | 第31页 |
| 2.7 本章小结 | 第31-33页 |
| 第三章 客流分布预测 | 第33-46页 |
| 3.1 引言 | 第33页 |
| 3.2 上海世博会数据集 | 第33-35页 |
| 3.3 神经网络与聚类的组合预测 | 第35-40页 |
| 3.3.1 预测模型 | 第35-36页 |
| 3.3.2 实验仿真结果 | 第36-40页 |
| 3.4 转移概率矩阵预测 | 第40-44页 |
| 3.4.1 预测模型 | 第40-42页 |
| 3.4.2 实验仿真结果 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 第四章 基于视频监控系统的人群行为分析 | 第46-65页 |
| 4.1 引言 | 第46页 |
| 4.2 视频数据来源和特点 | 第46-49页 |
| 4.3 基于视频监控系统的人群行为分析系统框架 | 第49-51页 |
| 4.4 视频处理 | 第51-54页 |
| 4.4.1 帧抽取与区域划分 | 第51页 |
| 4.4.2 人的检测和数量统计 | 第51-53页 |
| 4.4.3 摄像头传感器网络的建立 | 第53-54页 |
| 4.5 轨迹识别 | 第54-56页 |
| 4.5.1 YALMIP 工具箱简介 | 第54-55页 |
| 4.5.2 人群轨迹行为识别模型 | 第55-56页 |
| 4.6 行为分析 | 第56-57页 |
| 4.7 实验结果 | 第57-64页 |
| 4.8 本章小结 | 第64-65页 |
| 第五章 基于整数规划的大型活动人群行为分析 | 第65-77页 |
| 5.1 引言 | 第65页 |
| 5.2 基于大型活动的人群行为分析框架 | 第65-66页 |
| 5.3 基于整数规划的自动分组轨迹识别 | 第66-68页 |
| 5.4 参观模式分析 | 第68页 |
| 5.5 实验结果 | 第68-75页 |
| 5.6 本章小结 | 第75-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 本文工作总结 | 第77-78页 |
| 6.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间已发表或录用的论文 | 第83-85页 |