| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 绪论 | 第12-21页 |
| 1.1 引言 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 基于单视角视频的时空分析方法 | 第13-15页 |
| 1.2.2 基于多视角视频的时空分析方法 | 第15页 |
| 1.2.3 基于Multi-egocentric视频的时空分析 | 第15-16页 |
| 1.2.4 基于视频的群体检测算法分析 | 第16-17页 |
| 1.3 论文主要内容及创新点 | 第17-19页 |
| 1.3.1 论文的主要内容 | 第18-19页 |
| 1.3.2 论文的主要特色及创新点 | 第19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 2 一种鲁棒的MULTI-EGOCENTRIC视频中的多目标检测及匹配算法 | 第21-30页 |
| 2.1 相关工作 | 第21-23页 |
| 2.2 两步层进目标检测算法 | 第23-26页 |
| 2.2.1 基于Boosting模型的目标粗检测算法 | 第23-25页 |
| 2.2.2 基于局部相似度的目标区域优化算法 | 第25-26页 |
| 2.3 基于HOG特征的目标成员匹配算法 | 第26页 |
| 2.4 实验结果及评价 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于稀疏光流的目标成员EGO-MOTION估计算法 | 第30-36页 |
| 3.1 相关工作 | 第30-31页 |
| 3.2 基于稀疏光流的目标运动估计算法 | 第31-34页 |
| 3.2.1 鲁棒的时空稀疏光流的计算方法 | 第31-32页 |
| 3.2.2 基于模式匹配的Ego-motion估计算法 | 第32-34页 |
| 3.3 实验结果及评价 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于目标空间位置和朝向的群体检测算法 | 第36-47页 |
| 4.1 相关工作 | 第36-38页 |
| 4.2 基于个体空间位置和朝向的关注度模型 | 第38-40页 |
| 4.2.1 基于位置和朝向的个体瞬时关注度 | 第38-40页 |
| 4.2.2 基于时空线索的转移趋势关注度 | 第40页 |
| 4.3 基于自适应NORMALIZED CUT聚类方法的群体检测方法 | 第40-43页 |
| 4.3.1 目标个体间相互关系矩阵的计算 | 第40-41页 |
| 4.3.2 群体检测算法 | 第41-43页 |
| 4.4 实验结果及评价 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 5 工作总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47页 |
| 5.2 进一步的研究建议 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第54-56页 |
| 学位论文数据集 | 第56页 |
