监控视频事件检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 研究内容 | 第9-12页 |
| 1.3 研究成果 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 基于DPM的室内人数统计 | 第14-28页 |
| 2.1 引言 | 第14-15页 |
| 2.2 DPM算法原理 | 第15-20页 |
| 2.3 背景建模与更新 | 第20-21页 |
| 2.4 跟踪 | 第21-25页 |
| 2.4.1 特征选择与行人描述 | 第21-23页 |
| 2.4.2 相似度量 | 第23-24页 |
| 2.4.3 跟踪算法 | 第24-25页 |
| 2.5 实验结果及分析 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 摔倒事件检测算法 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 单应性及应用 | 第29-35页 |
| 3.2.1 单应性简介 | 第29-30页 |
| 3.2.2 基于单应性的摔倒特征提取 | 第30-34页 |
| 3.2.3 抗干扰性测试 | 第34-35页 |
| 3.2.4 处理多人情况 | 第35页 |
| 3.3 姿态分析 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 复杂场景中事件检测 | 第40-60页 |
| 4.1 TRECVID SED简介 | 第40-42页 |
| 4.2 HMM简介 | 第42-47页 |
| 4.2.1 隐马尔科夫模型简介 | 第42-44页 |
| 4.2.2 HMM评估 | 第44-45页 |
| 4.2.3 HMM学习 | 第45-47页 |
| 4.3 场景校正与轨迹平滑 | 第47-52页 |
| 4.3.1 线性回归与场景校正 | 第47-50页 |
| 4.3.2 高斯过程回归与轨迹平滑 | 第50-52页 |
| 4.4 跑步事件检测算法 | 第52-53页 |
| 4.5 群体事件检测 | 第53-57页 |
| 4.5.1 在标注轨迹上做群体事件检测 | 第54-56页 |
| 4.5.2 在跟踪轨迹上做群体事件检测 | 第56-57页 |
| 4.6 实验结果 | 第57-59页 |
| 4.6.1 跑步事件结果 | 第57-58页 |
| 4.6.2 群体事件检测 | 第58-59页 |
| 4.7 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 未来工作展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文目录 | 第66页 |
