基于视频的行人检测及异常行为检测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 课题研究的目的及意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-11页 |
| 1.4 主要研究内容及论文结构 | 第11-13页 |
| 第2章 视频中行人检测相关理论 | 第13-21页 |
| 2.1 引言 | 第13页 |
| 2.2 特征不变性 | 第13-14页 |
| 2.3 梯度向量直方图 | 第14-18页 |
| 2.4 基于霍夫变换的头部检测 | 第18-19页 |
| 2.5 HOG 特征进行行人检测 | 第19页 |
| 2.6 本章小结 | 第19-21页 |
| 第3章 马尔科夫随机场理论 | 第21-36页 |
| 3.1 引言 | 第21页 |
| 3.2 MRF 模型概念与定义 | 第21-31页 |
| 3.2.1 集簇与邻域系统 | 第21-23页 |
| 3.2.2 MRF 定义 | 第23-25页 |
| 3.2.3 MRF 与 Gibbs 分布 | 第25-26页 |
| 3.2.4 常用 MRF 模型 | 第26-31页 |
| 3.3 MRF 模型求解算法 | 第31-35页 |
| 3.3.1 MRF-MAP 框架 | 第31-32页 |
| 3.3.2 能量函数优化方法 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于光流法和 MRF 模型的异常行为检测 | 第36-48页 |
| 4.1 引言 | 第36页 |
| 4.2 光流法 | 第36-38页 |
| 4.3 视觉词袋 | 第38-42页 |
| 4.3.1 Kmeans 聚类 | 第39-40页 |
| 4.3.2 词袋模型的构建 | 第40-41页 |
| 4.3.3 空间视觉词袋 | 第41-42页 |
| 4.4 异常行为检测算法 | 第42-47页 |
| 4.4.1 时空块模型 | 第42-43页 |
| 4.4.2 MRF 时空联合检测 | 第43-44页 |
| 4.4.3 能量函数构造 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 系统的设计与实验 | 第48-53页 |
| 5.1 引言 | 第48页 |
| 5.2 系统开发环境 | 第48页 |
| 5.3 系统程序设计架构 | 第48-52页 |
| 5.3.1 行人检测系统设计 | 第48-49页 |
| 5.3.2 异常行为识别系统设计 | 第49-50页 |
| 5.3.3 实验数据与实验结果 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59页 |
