| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 智能视频监控系统的研究现状 | 第11-12页 |
| 1.2.2 人群异常检测技术的研究现状 | 第12-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.4 论文结构 | 第15-18页 |
| 第2章 人群视频分析及稀疏表示相关理论基础 | 第18-34页 |
| 2.1 人群视频分析技术 | 第18-25页 |
| 2.1.1 行人检测 | 第18-22页 |
| 2.1.2 人群异常行为检测 | 第22-25页 |
| 2.2 稀疏表示理论基础 | 第25-32页 |
| 2.2.1 稀疏表示概述 | 第25-26页 |
| 2.2.2 字典学习方法 | 第26-29页 |
| 2.2.3 信号的稀疏表示 | 第29-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第3章 基于HOG特征冗余字典的行人检测算法 | 第34-46页 |
| 3.1 算法概述 | 第34-35页 |
| 3.2 算法原理分析 | 第35-40页 |
| 3.2.1 HOG特征及其计算 | 第35-38页 |
| 3.2.2 HOG特征冗余字典的训练以及行人检测的实现 | 第38-40页 |
| 3.3 实验结果与分析 | 第40-44页 |
| 3.3.1 实验素材说明 | 第40-42页 |
| 3.3.2 实验结果及分析 | 第42-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于光流方向直方图特征的人群运动状态分析算法 | 第46-56页 |
| 4.1 算法概述 | 第46-47页 |
| 4.2 算法原理分析 | 第47-51页 |
| 4.2.1 HOF特征 | 第47-50页 |
| 4.2.2 基于光流矢量的人群运动方向熵 | 第50页 |
| 4.2.3 人群混乱指数 | 第50-51页 |
| 4.3 实验与分析 | 第51-55页 |
| 4.3.1 实验素材说明 | 第51-52页 |
| 4.3.2 实验结果及分析 | 第52-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 基于加权多尺度光流直方图和稀疏表示的人群异常检测算法 | 第56-68页 |
| 5.1 算法概述 | 第56-57页 |
| 5.2 算法原理分析 | 第57-60页 |
| 5.2.1 WMHOF特征 | 第57-59页 |
| 5.2.2 冗余字典训练及异常检测的实现 | 第59-60页 |
| 5.3 实验结果与分析 | 第60-65页 |
| 5.3.1 实验素材及评价指标说明 | 第60-62页 |
| 5.3.2 实验结果及分析 | 第62-65页 |
| 5.4 本章小结 | 第65-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-76页 |
| 致谢 | 第76页 |
