首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于运动矢量交点密集度的人群异常行为检测

中文摘要第2-3页
Abstract第3页
中文文摘第4-8页
第一章 绪论第8-14页
    1.1 引言第8页
    1.2 课题研究背景和意义第8-9页
    1.3 国内外关于人群异常行为检测的研究现状第9-10页
    1.4 论文主要内容及其结构第10-14页
第二章 视频图像预处理第14-26页
    2.1 图像噪声介绍第14-15页
    2.2 经典去噪算法对比第15-23页
        2.2.1 高斯滤波第15页
        2.2.2 均值滤波第15-17页
        2.2.3 统计排序滤波第17-19页
        2.2.4 自适应滤波第19-20页
        2.2.5 形态学滤波第20-23页
    2.3 本文所用滤波去噪算法第23-25页
        2.3.1 K-SVD去噪算法原理第23-24页
        2.3.2 结合K-SVD与中值滤波的去噪算法第24-25页
    2.4 本章总结第25-26页
第三章 人群运动特征检测第26-42页
    3.1 角点特征检测第26-30页
        3.1.1 Harris角点第26-28页
        3.1.2 SIFT角点第28-30页
    3.2 运动目标检测第30-41页
        3.2.1 帧差法第30-32页
        3.2.2 背景差法第32-34页
        3.2.3 光流法第34-37页
        3.2.4 本文所用算法第37-39页
        3.2.5 实验结果对比及分析第39-41页
    3.3 本章小结第41-42页
第四章 基于运动矢量交点密集度与帧平均加速度的人群异常行为检测算法第42-60页
    4.1 基于运动矢量交点密集度的人群异常行为检测算法第42-48页
        4.1.1 帧间运动矢量交点检测第42-46页
        4.1.2 运动矢量交点密集度的检测及实验验证第46-48页
    4.2 基于帧平均加速度的人群异常行为检测算法第48-52页
        4.2.1 帧平均加速度原理第48-50页
        4.2.2 帧平均加速度人群异常行为检测实验第50-52页
    4.3 人群异常行为检测算法实现第52-55页
        4.3.1 支持向量机理论第52-54页
        4.3.2 本文人群异常检测方法第54-55页
    4.4 实验及结果分析第55-58页
    4.5 本章小结第58-60页
第五章 总结与展望第60-62页
    5.1 本文工作总结及创新点第60-61页
    5.2 本文的不足之处及对未来工作的展望第61-62页
参考文献第62-68页
攻读学位期间承担的科研任务与主要成果第68-70页
致谢第70-72页
个人简历第72-76页

论文共76页,点击 下载论文
上一篇:车载鱼眼镜头的设计与分析
下一篇:基于双目视觉的目标跟踪研究