视频场景中的群体目标分析研究
| 摘要 | 第1-12页 |
| Abstract | 第12-14页 |
| 符号说明 | 第14-15页 |
| 第一章 绪论 | 第15-24页 |
| ·背景和意义 | 第15-16页 |
| ·目标检测发展和现状 | 第16-20页 |
| ·单帧图像目标检测 | 第17页 |
| ·序列图像目标检测 | 第17-20页 |
| ·群体运动目标检测研究现状 | 第20-21页 |
| ·本文的工作与创新 | 第21-24页 |
| ·本文的工作 | 第21-23页 |
| ·本文的创新 | 第23-24页 |
| 第二章 基于光流场的运动场提取 | 第24-33页 |
| ·运动场与光流场 | 第24-25页 |
| ·光流场的计算 | 第25-28页 |
| ·光流约束方程 | 第25-26页 |
| ·光流方法分类 | 第26页 |
| ·LK光流场 | 第26-28页 |
| ·算法流程 | 第28-29页 |
| ·实验结果与分析 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 混沌动力学中的有限时间李亚普诺夫指数 | 第33-43页 |
| ·混沌动力学基础 | 第33-38页 |
| ·流图 | 第33-34页 |
| ·有限时间李亚普诺夫指数 | 第34-36页 |
| ·龙哥库塔方程 | 第36页 |
| ·插值方法 | 第36-38页 |
| ·算法流程 | 第38-39页 |
| ·实验结果与分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 群体目标运动区域提取 | 第43-52页 |
| ·改进的Bernsen自适应二值化算法 | 第43-44页 |
| ·Bernsen自适应二值化算法 | 第43-44页 |
| ·改进的Bernsen自适应二值化算法 | 第44页 |
| ·形态学处理 | 第44-46页 |
| ·形态学处理基本思想 | 第44-45页 |
| ·形态学处理基本算法 | 第45-46页 |
| ·Freeman链码轮廓提取 | 第46-47页 |
| ·算法流程 | 第47-48页 |
| ·实验结果与分析 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 群体运动目标分析 | 第52-68页 |
| ·改进的K-均值聚类算法 | 第52-54页 |
| ·聚类算法的基本概念 | 第52页 |
| ·K-均值聚类算法 | 第52-53页 |
| ·改进的K-均值聚类算法 | 第53-54页 |
| ·小轮廓融合算法 | 第54页 |
| ·基于灰度共生矩阵的密度分析 | 第54-60页 |
| ·纹理的定义和研究领域 | 第54-56页 |
| ·纹理分析的方法 | 第56-57页 |
| ·基于GLCM的纹理分析 | 第57-60页 |
| ·贝叶斯分类 | 第60-61页 |
| ·算法流程 | 第61-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·群体目标分析结果 | 第62-67页 |
| ·本文算法解算效率分析 | 第67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-69页 |
| ·总结 | 第68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的学术论文 | 第74-75页 |
| 学位论文评阅及答辩情况表 | 第75页 |
