人体异常行为识别算法研究与实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·背景及意义 | 第9-10页 |
| ·研究现状 | 第10-12页 |
| ·本文研究内容及结构安排 | 第12-14页 |
| ·研究内容 | 第12-13页 |
| ·文章结构安排 | 第13-14页 |
| 第二章 图像预处理技术研究 | 第14-29页 |
| ·OpenCV 介绍 | 第14-17页 |
| ·基本应用 | 第14-15页 |
| ·目录结构 | 第15页 |
| ·常用数据结构 | 第15-17页 |
| ·监控系统流程 | 第17-18页 |
| ·前景提取 | 第18-25页 |
| ·背景更新 | 第18-22页 |
| ·自适应高斯混合模型 | 第19页 |
| ·参数更新 | 第19-20页 |
| ·背景估计 | 第20-21页 |
| ·实验结果 | 第21-22页 |
| ·三通道分离对背景差分法的改进 | 第22-25页 |
| ·颜色空间介绍 | 第22-23页 |
| ·三通道分离法 | 第23-24页 |
| ·实验结果 | 第24-25页 |
| ·连通性判断及去噪算法 | 第25-28页 |
| ·连通性定义 | 第25页 |
| ·去噪处理算法 | 第25-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于静态几何特征的单人行为识别算法 | 第29-42页 |
| ·特征选取 | 第29-32页 |
| ·倾斜角度 | 第30-31页 |
| ·最小外接矩形MER 与紧密度 | 第31-32页 |
| ·凹凸度 | 第32页 |
| ·外接矩形长宽比及变化率 | 第32页 |
| ·异常行为的归类 | 第32-33页 |
| ·支持向量机 | 第33-34页 |
| ·支持向量机理论 | 第33-34页 |
| ·步骤 | 第34页 |
| ·实验分析 | 第34-41页 |
| ·实验步骤 | 第34-35页 |
| ·算法流程及核心代码分析 | 第35-38页 |
| ·实验结果 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 MEF 的打斗行为识别算法 | 第42-56页 |
| ·跟踪方法介绍 | 第42-43页 |
| ·传统的光流动态特征 | 第43-45页 |
| ·特征获取 | 第43-44页 |
| ·寻找速度阈值Vmin 的新方法 | 第44-45页 |
| ·利用MEF 对光流特征的改进 | 第45-48页 |
| ·速度方向角 | 第46-47页 |
| ·方向角的角度差 | 第47-48页 |
| ·目标团块间的距离 | 第48页 |
| ·基于动态能量特征的新方法 | 第48-50页 |
| ·质量权重mi,j(n) | 第48页 |
| ·动能部分 | 第48-49页 |
| ·势能部分 | 第49-50页 |
| ·实验分析 | 第50-55页 |
| ·算法流程及核心代码分析 | 第50-52页 |
| ·后期数据处理 | 第52-54页 |
| ·积分处理 | 第53-54页 |
| ·机器学习 | 第54页 |
| ·分析及结论 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 基于时空 MRF 的群聚行为识别算法 | 第56-69页 |
| ·Markov 链 | 第56页 |
| ·基于时空的MRF 模型 | 第56-59页 |
| ·马尔克夫随机场 | 第57页 |
| ·n 阶邻域 | 第57-58页 |
| ·吉布斯随机场 | 第58-59页 |
| ·MRF 与Gibbs 随机场的等价性 | 第59页 |
| ·视频流中的能量势函数 | 第59-61页 |
| ·传统的能量势函数模型 | 第59-61页 |
| ·时间场对能量势函数的改进 | 第61-64页 |
| ·Bayes 定理 | 第61页 |
| ·观测场 | 第61页 |
| ·寻找标记场的改进算法 | 第61-63页 |
| ·时间场 | 第63页 |
| ·平衡因子的确定 | 第63-64页 |
| ·实验分析 | 第64-68页 |
| ·算法流程及核心代码分析 | 第64-66页 |
| ·与MEF 方法的比较 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
