基于视频的人群异常行为检测研究
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国内研究现状 | 第12页 |
| 1.2.2 国外研究现状 | 第12-13页 |
| 1.3 本文主要研究内容及论文结构 | 第13-15页 |
| 第2章 图像预处理及光流场的基本理论 | 第15-29页 |
| 2.1 图像滤波的常用方法 | 第15-17页 |
| 2.1.1 均值滤波 | 第15-16页 |
| 2.1.2 中值滤波 | 第16页 |
| 2.1.3 对比实验结果分析 | 第16-17页 |
| 2.2 前景提取 | 第17-20页 |
| 2.2.1 帧间差分法 | 第17-18页 |
| 2.2.2 背景差分法 | 第18-19页 |
| 2.2.3 基于k-means聚类法的前景提取 | 第19-20页 |
| 2.3 特征提取 | 第20-22页 |
| 2.3.1 纹理特征 | 第20-21页 |
| 2.3.2 形状特征 | 第21-22页 |
| 2.3.3 运动特征 | 第22页 |
| 2.4 光流 | 第22-28页 |
| 2.4.1 光流法的基本概念 | 第23-24页 |
| 2.4.2 Horn & Schunck光流算法 | 第24-26页 |
| 2.4.3 Lucas & Kanade光流算法 | 第26-27页 |
| 2.4.4 两种光流算法对比 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于加速度特征的人群异常行为检测算法 | 第29-49页 |
| 3.1 基于传统速度特征的人群异常行为检测算法 | 第29页 |
| 3.2 基于梯度的加速度特征提取及描述 | 第29-38页 |
| 3.2.1 加速度特征 | 第30-32页 |
| 3.2.2 加速度特征求解算法 | 第32-35页 |
| 3.2.3 算法仿真 | 第35-38页 |
| 3.3 人群异常行为检测 | 第38-41页 |
| 3.3.1 运动场的分块处理 | 第39-40页 |
| 3.3.2 前景提取 | 第40页 |
| 3.3.3 整体算法的实现 | 第40-41页 |
| 3.4 实验仿真 | 第41-48页 |
| 3.4.1 数据集简介 | 第41-42页 |
| 3.4.2 实验结果与分析 | 第42-46页 |
| 3.4.3 不同方法比较 | 第46-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 基于发散中心的异常定位算法 | 第49-68页 |
| 4.1 发散中心的定义 | 第49-50页 |
| 4.2 特征提取 | 第50页 |
| 4.3 加权光流能量 | 第50-51页 |
| 4.4 基于单个发散中心的异常定位算法 | 第51-56页 |
| 4.4.1 算法原理 | 第52-53页 |
| 4.4.2 仿真实验 | 第53-56页 |
| 4.5 改进的多个发散中心算法 | 第56-64页 |
| 4.5.1 多发散中心算法描述 | 第56-61页 |
| 4.5.2 实验结果及分析 | 第61-64页 |
| 4.6 实验对比分析 | 第64-67页 |
| 4.7 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
