视频中人群异常逃离行为检测的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 课题来源及研究内容 | 第13-15页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 课题的主要研究内容 | 第13-15页 |
| 第2章 图像预处理与特征提取 | 第15-30页 |
| 2.1 图像滤波的常用方法 | 第15-18页 |
| 2.1.1 均值滤波 | 第15-16页 |
| 2.1.2 中值滤波 | 第16-17页 |
| 2.1.3 对比实验结果分析 | 第17-18页 |
| 2.2 前景提取 | 第18-21页 |
| 2.2.1 帧间差分法 | 第18-19页 |
| 2.2.2 背景差分法 | 第19-20页 |
| 2.2.3 基于k-means聚类法的前景提取 | 第20-21页 |
| 2.3 特征提取 | 第21-23页 |
| 2.3.1 密度特征 | 第21-22页 |
| 2.3.2 形状特征 | 第22页 |
| 2.3.3 运动特征 | 第22-23页 |
| 2.4 光流法 | 第23-28页 |
| 2.4.1 光流法的基本概念 | 第23-25页 |
| 2.4.2 Horn & Schunck光流算法 | 第25-27页 |
| 2.4.3 Lucas & Kanade光流算法 | 第27-28页 |
| 2.4.4 两种光流算法对比 | 第28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 基于加速度的人群异常逃离行为检测算法 | 第30-51页 |
| 3.1 加速度特征提取及描述 | 第30-37页 |
| 3.1.1 加速度模型 | 第30-33页 |
| 3.1.2 求解算法 | 第33-34页 |
| 3.1.3 算法仿真 | 第34-37页 |
| 3.2 人数估计 | 第37-38页 |
| 3.3 人群分布指数 | 第38-40页 |
| 3.2.1 前景直方图 | 第38-39页 |
| 3.2.2 前景概率分布 | 第39页 |
| 3.2.3 前景熵 | 第39-40页 |
| 3.2.4 人群分布指数 | 第40页 |
| 3.4 改进的加速度特征 | 第40-41页 |
| 3.5 人群异常行为检测 | 第41-43页 |
| 3.5.1 运动场的分块处理 | 第41-42页 |
| 3.5.2 前景提取 | 第42页 |
| 3.5.3 整体算法的实现 | 第42-43页 |
| 3.6 实验仿真 | 第43-50页 |
| 3.6.1 数据集简介 | 第43-45页 |
| 3.6.2 实验结果与分析 | 第45-48页 |
| 3.6.3 不同方法比较 | 第48-50页 |
| 3.7 本章小结 | 第50-51页 |
| 第4章 基于逃离中心的异常定位算法 | 第51-66页 |
| 4.1 逃离中心的定义 | 第51页 |
| 4.2 基于单逃离中心的异常定位算法 | 第51-55页 |
| 4.2.1 算法原理 | 第52-53页 |
| 4.2.2 仿真实验 | 第53-55页 |
| 4.3 改进的多个逃离中心算法 | 第55-62页 |
| 4.3.1 算法原理 | 第55-59页 |
| 4.3.2 实验结果及分析 | 第59-62页 |
| 4.4 实验对比分析 | 第62-65页 |
| 4.5 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
