| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第17-34页 |
| 1.1 课题背景 | 第17-18页 |
| 1.2 研究的目的和意义 | 第18-19页 |
| 1.3 视频分析方法概述 | 第19-30页 |
| 1.3.1 运动目标检测方法 | 第20-23页 |
| 1.3.2 动作识别方法 | 第23-25页 |
| 1.3.3 异常行为分析方法 | 第25-27页 |
| 1.3.4 人数统计及其行为分析 | 第27-30页 |
| 1.4 本课题建立的数据集 | 第30-31页 |
| 1.5 本文的主要研究内容及结构安排 | 第31-34页 |
| 第2章 联合位置分布与低秩分解的运动目标检测方法 | 第34-63页 |
| 2.1 引言 | 第34-36页 |
| 2.2 问题描述 | 第36-39页 |
| 2.3 目标位置信息估计 | 第39-40页 |
| 2.4 有下界的类间距离最大划分 | 第40-47页 |
| 2.4.1 帧集划分模型 | 第40-43页 |
| 2.4.2 模型求解 | 第43-47页 |
| 2.5 联合有下界的类间距离最大化与低秩分解的运动目标检测 | 第47-50页 |
| 2.5.1 增广集构建 | 第47-48页 |
| 2.5.2 算法描述 | 第48-49页 |
| 2.5.3 算法参数设置 | 第49-50页 |
| 2.6 实验分析 | 第50-62页 |
| 2.6.1 人工点集测试 | 第51-53页 |
| 2.6.2 在视频数据集上的实验 | 第53-60页 |
| 2.6.3 算法复杂度分析 | 第60-62页 |
| 2.7 本章小结 | 第62-63页 |
| 第3章 一种无监督最优特征选择的动作识别方法 | 第63-97页 |
| 3.1 引言 | 第63-65页 |
| 3.2 相关研究工作 | 第65-69页 |
| 3.2.1 Bag-of-words特征表示 | 第65-66页 |
| 3.2.2 基于子空间方法的动作识别 | 第66页 |
| 3.2.3 主成分分析方法 | 第66-67页 |
| 3.2.4 局部近邻保持嵌入方法 | 第67页 |
| 3.2.5 稀疏保持投影方法 | 第67-68页 |
| 3.2.6 基于旋转不变的回归分类方法 | 第68页 |
| 3.2.7 竞争样本选择方法 | 第68-69页 |
| 3.3 动作识别框架 | 第69-70页 |
| 3.4 最优特征选择模型 | 第70-73页 |
| 3.5 模型求解 | 第73-77页 |
| 3.5.1 固定稀疏表示矩阵计算投影矩阵 | 第73-75页 |
| 3.5.2 固定投影矩阵计算稀疏表示矩阵 | 第75-76页 |
| 3.5.3 估计稀疏表示矩阵的初值 | 第76-77页 |
| 3.6 基于最优特征选择的分类方法 | 第77-78页 |
| 3.7 模型分析 | 第78-83页 |
| 3.7.1 算法收敛性证明 | 第78-82页 |
| 3.7.2 算法复杂度分析 | 第82-83页 |
| 3.7.3 关于最优特征选择方法的一个特例 | 第83页 |
| 3.8 实验分析 | 第83-95页 |
| 3.8.1 参数设置与寻优策略 | 第84-85页 |
| 3.8.2 常规人体行为数据集上的实验 | 第85-87页 |
| 3.8.3 复杂行为动作数据集上的实验 | 第87-89页 |
| 3.8.4 模型变量实验性分析 | 第89-94页 |
| 3.8.5 关于算法收敛的实验分析 | 第94-95页 |
| 3.8.6 识别时间对比 | 第95页 |
| 3.9 本章小结 | 第95-97页 |
| 第4章 基于多方向高斯模型与权重随机抽样的异常运动检测方法 | 第97-155页 |
| 4.1 引言 | 第97-99页 |
| 4.2 相关研究工作 | 第99-103页 |
| 4.2.1 异常速度检测 | 第99-101页 |
| 4.2.2 随机抽样一致性算法 | 第101-103页 |
| 4.3 异常运动检测系统框架 | 第103-105页 |
| 4.4 关于运动速度与视角变化的理论分析 | 第105-113页 |
| 4.5 基于多方向高斯模型速度统计与学习 | 第113-123页 |
| 4.5.1 基于改进Fisher准则确定最优方向区间 | 第116-121页 |
| 4.5.2 多方向区间的运动速度统计与学习 | 第121-123页 |
| 4.6 基于权重随机抽样一致性算法的速度场曲面拟合 | 第123-130页 |
| 4.6.1 基于K均值聚类的区域划分 | 第125-126页 |
| 4.6.2 服从递减概率分布的采样方式 | 第126-128页 |
| 4.6.3 速度在多方向区间的三维曲面拟合 | 第128-130页 |
| 4.7 异常行为概率判断模型 | 第130-131页 |
| 4.8 实验分析 | 第131-154页 |
| 4.8.1 方向区间确定实验 | 第131-137页 |
| 4.8.2 速度场曲面拟合实验 | 第137-143页 |
| 4.8.3 快速移动检测实验 | 第143-154页 |
| 4.9 本章小结 | 第154-155页 |
| 第5章 结合ADABOOST与多特征的人数统计 | 第155-187页 |
| 5.1 引言 | 第155页 |
| 5.2 相关研究工作 | 第155-158页 |
| 5.2.1 Ada Boost检测算法 | 第156-157页 |
| 5.2.2 Mean Shift跟踪算法 | 第157-158页 |
| 5.3 人数统计算法 | 第158-160页 |
| 5.4 垂直视角下的目标检测 | 第160-162页 |
| 5.5 多特征提取 | 第162-166页 |
| 5.5.1 目标匹配响应特征 | 第162-164页 |
| 5.5.2 目标运动强度特征 | 第164-165页 |
| 5.5.3 目标尺度特征 | 第165-166页 |
| 5.6 目标跟踪和人数统计方案 | 第166-170页 |
| 5.6.1 最近邻跟踪与计数准则 | 第166-167页 |
| 5.6.2 基于最优颜色聚类的Mean Shift跟踪与计数准则 | 第167-170页 |
| 5.7 人数统计系统搭建 | 第170-171页 |
| 5.8 实验分析 | 第171-186页 |
| 5.8.1 系统去误检干扰和对多目标的处理结果 | 第172-177页 |
| 5.8.2 在非繁忙时段视频的实验 | 第177页 |
| 5.8.3 在繁忙时段视频的实验 | 第177-178页 |
| 5.8.4 携带货物视频的实验 | 第178页 |
| 5.8.5 光线变化情况下的实验 | 第178-180页 |
| 5.8.6 最优颜色聚类实验结果 | 第180-184页 |
| 5.8.7 各种方法在视频数据库上的测试结果对比 | 第184-185页 |
| 5.8.8 人数统计视频中的行为分析 | 第185-186页 |
| 5.9 本章小结 | 第186-187页 |
| 结论 | 第187-190页 |
| 参考文献 | 第190-207页 |
| 攻读博士学位期间发表的论文及其他成果 | 第207-210页 |
| 致谢 | 第210-212页 |
| 个人简历 | 第212页 |
