基于视频的电梯轿厢内乘客异常行为检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 电梯智能视频监控 | 第11页 |
| 1.2.2 异常行为 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 1.3.1 前提说明 | 第13页 |
| 1.3.2 数据集 | 第13-14页 |
| 1.3.3 研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 图像预处理及特征提取 | 第16-28页 |
| 2.1 数字图像基本运算 | 第16-19页 |
| 2.1.1 灰度化处理 | 第16-17页 |
| 2.1.2 图像滤波 | 第17页 |
| 2.1.3 数学形态学 | 第17-19页 |
| 2.2 轿厢载客判断 | 第19-22页 |
| 2.2.1 灰度直方图特性 | 第19-21页 |
| 2.2.2 图像边缘特征 | 第21-22页 |
| 2.3 前景提取 | 第22-26页 |
| 2.3.1 帧差法 | 第23页 |
| 2.3.2 静态背景差法 | 第23-24页 |
| 2.3.3 改进的背景差法 | 第24-26页 |
| 2.4 异常行为检测流程 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 轿厢内乘客暴力行为检测 | 第28-40页 |
| 3.1 算法流程 | 第28-29页 |
| 3.1.1 问题描述 | 第28页 |
| 3.1.2 算法流程 | 第28-29页 |
| 3.2 角点检测 | 第29-31页 |
| 3.3 光流算法 | 第31-35页 |
| 3.3.1 光流约束方程 | 第31-33页 |
| 3.3.2 Lucas-Kanade光流 | 第33页 |
| 3.3.3 金字塔Lucas-Kanade光流 | 第33-35页 |
| 3.4 暴力行为识别 | 第35-39页 |
| 3.4.1 单幅图像暴力行为检测 | 第35-36页 |
| 3.4.2 虚警过滤 | 第36-37页 |
| 3.4.3 参数选择 | 第37页 |
| 3.4.4 实验结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 轿厢内乘客扒门行为检测 | 第40-50页 |
| 4.1 算法流程 | 第40-41页 |
| 4.1.1 问题描述 | 第40页 |
| 4.1.2 算法流程 | 第40-41页 |
| 4.2 基于PAFs的姿态估计 | 第41-46页 |
| 4.2.1 方法概述 | 第41-42页 |
| 4.2.2 部位置信图 | 第42-43页 |
| 4.2.3 部位关系场（PAFs） | 第43-45页 |
| 4.2.4 多人姿态估计 | 第45-46页 |
| 4.3 扒门检测算法 | 第46-49页 |
| 4.3.1 肢体角度模型 | 第46-48页 |
| 4.3.2 实验效果 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 异常行为检测的软件设计与实现 | 第50-60页 |
| 5.1 需求分析 | 第50页 |
| 5.2 总体方案设计 | 第50-52页 |
| 5.2.1 层次监控网络 | 第50-51页 |
| 5.2.2 软件架构 | 第51-52页 |
| 5.2.3 软件模块功能 | 第52页 |
| 5.3 设计细节实现 | 第52-54页 |
| 5.3.1 算法实现 | 第52-53页 |
| 5.3.2 展示网站架构 | 第53页 |
| 5.3.3 Java本地调用 | 第53-54页 |
| 5.4 系统搭建部署 | 第54-55页 |
| 5.5 展示效果 | 第55-58页 |
| 5.5.1 界面设计 | 第55-57页 |
| 5.5.2 行为检测结果 | 第57-58页 |
| 5.6 本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 学位论文主要工作总结 | 第60页 |
| 6.2 课题研究未来展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者简介 | 第66页 |
