若干异常事件的监控方法研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 异常事件智能监控的意义及其应用 | 第11-14页 |
| 1.1.1 异常事件智能监控研究的意义 | 第11-12页 |
| 1.1.2 异常事件监控的应用 | 第12-13页 |
| 1.1.3 异常事件监控的挑战 | 第13-14页 |
| 1.2 异常事件监控的国内外研究现状 | 第14-16页 |
| 1.3 本文研究内容及论文组织 | 第16-18页 |
| 第二章 基于背景建模算法的目标提取 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 帧差法及其改进 | 第18-20页 |
| 2.3 自适应混合高斯背景建模 | 第20-22页 |
| 2.3.1 混合模型的建立 | 第20-21页 |
| 2.3.2 混合模型的建模过程 | 第21-22页 |
| 2.4 基于统计模型的前景目标检测算法 | 第22-25页 |
| 2.5 实验分析与总结 | 第25-29页 |
| 2.5.1 算法时间效率的比较 | 第25页 |
| 2.5.2 目标提取实际效果的比较 | 第25-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于粒子滤波的徘徊检测算法 | 第30-38页 |
| 3.1 引言 | 第30页 |
| 3.2 基于粒子滤波的徘徊检测算法总体框架 | 第30-32页 |
| 3.3 徘徊事件检测模块描述 | 第32-35页 |
| 3.3.1 前景检测模块 | 第32页 |
| 3.3.2 粒子滤波跟踪模块 | 第32-34页 |
| 3.3.3 新团块检测模块 | 第34页 |
| 3.3.4 徘徊事件判定 | 第34-35页 |
| 3.4 算法实验结果 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于光流法目标检测与跟踪的逆行检测算法 | 第38-55页 |
| 4.1 引言 | 第38-39页 |
| 4.2 算法总体框架 | 第39-40页 |
| 4.3 Shi-Tomas角点检测与光流法 | 第40-43页 |
| 4.3.1 Shi-Tomas角点 | 第40-41页 |
| 4.3.2 光流法 | 第41-43页 |
| 4.4 逆行检测速报模块 | 第43-45页 |
| 4.4.1 前景检测 | 第44页 |
| 4.4.2 运动目标光流预测 | 第44-45页 |
| 4.4.3 快速决策方法 | 第45页 |
| 4.5 逆行检测跟踪精报模块 | 第45-47页 |
| 4.6 实验对比和结果分析 | 第47-54页 |
| 4.6.1 算法的实时性分析 | 第48-49页 |
| 4.6.2 算法的准确性分析 | 第49-50页 |
| 4.6.3 算法在实际场景中的检测效果 | 第50-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 基于贝叶斯分类的翻越闸机检测算法 | 第55-64页 |
| 5.1 引言 | 第55页 |
| 5.2 算法总体框架 | 第55-56页 |
| 5.3 翻越闸机检测算法模块描述 | 第56-60页 |
| 5.3.1 模板匹配 | 第57-58页 |
| 5.3.2 特征提取 | 第58-59页 |
| 5.3.3 贝叶斯决策 | 第59-60页 |
| 5.4 算法实验结果分析 | 第60-62页 |
| 5.4.1 类别的可分性 | 第61页 |
| 5.4.2 算法的实时性与有效性 | 第61-62页 |
| 5.5 本章小结 | 第62-64页 |
| 结论与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
