首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于流机制的群体异常行为检测研究

摘要第3-4页
Abstract第4页
1 绪论第8-16页
    1.1 课题研究背景与意义第8页
    1.2 国内外研究现状第8-10页
    1.3 群体异常行为检测方法第10-14页
        1.3.1 场景建模第10-11页
        1.3.2 运动目标的检测第11页
        1.3.3 群体的运动表示第11-12页
        1.3.4 群体行为的识别第12-13页
        1.3.5 群体异常的判断第13-14页
    1.4 本章小结第14-16页
2 本文相关基础介绍第16-26页
    2.1 底层特征的提取第16-17页
        2.1.1 基于光流法的提取方法第16页
        2.1.2 光流法的定义第16-17页
        2.1.3 Lucas-Kanade算法第17页
    2.2 群体运动的描述方法第17-20页
        2.2.1 拉格朗日法第18-19页
        2.2.2 欧拉法第19-20页
    2.3 流场的基本概念第20-23页
        2.3.1 流线第20-21页
        2.3.2 迹线第21页
        2.3.3 脉线第21-23页
    2.4 脉线模型第23-24页
        2.4.1 脉线的计算第23页
        2.4.2 脉线流的计算第23-24页
    2.5 本章小结第24-26页
3 基于运动强度与粒子熵值的群体异常行为检测方法的研究第26-42页
    3.1 特征的选择第26-29页
    3.2 特征的提取第29-30页
        3.2.1 粒子运动动能的计算第29页
        3.2.2 粒子熵值的计算第29-30页
    3.3 实验设计与分析第30-39页
        3.3.1 实验设计第30-31页
        3.3.2 实验结果与分析第31-39页
    3.4 不同方法比较第39-40页
    3.5 本章小结第40-42页
4 基于脉线模型的群体异常群体行为检测方法的研究第42-56页
    4.1 特征的选择第42页
    4.2 特征的提取第42-46页
    4.3 实验设计与分析第46-53页
        4.3.1 实验设计第46-48页
        4.3.2 实验结果与分析第48-53页
    4.4 不同方法比较第53-55页
    4.5 本章总结第55-56页
5 总结与展望第56-58页
    5.1 总结第56-57页
    5.2 展望第57-58页
致谢第58-60页
参考文献第60-63页

论文共63页,点击 下载论文
上一篇:基于SaaS的报表工具系统研究与开发
下一篇:基于密度和距离的K-means算法研究与应用