基于安防视频的群体异常行为特征提取与识别技术研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 课题研究的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 群体行为特征提取的国内外现状 | 第9-11页 |
| 1.2.2 群体异常行为识别的国内外现状 | 第11-13页 |
| 1.2.3 国内外群体异常行为的数据库 | 第13-14页 |
| 1.3 群体异常行为目前的难点 | 第14-15页 |
| 1.4 主要研究内容和创新点 | 第15-17页 |
| 1.4.1 主要的研究内容 | 第15-16页 |
| 1.4.2 创新点 | 第16-17页 |
| 1.5 论文结构 | 第17-18页 |
| 第二章 群体异常行为识别模型的总体设计 | 第18-24页 |
| 2.1 本章引言 | 第18页 |
| 2.2 群体异常行为的定义 | 第18页 |
| 2.3 群体异常行为相关的技术 | 第18-21页 |
| 2.4 本文异常行为智能识别模型的总体设计 | 第21-23页 |
| 2.5 测试环境 | 第23页 |
| 2.6 本章小节 | 第23-24页 |
| 第三章 群体运动区域检测算法的改进 | 第24-36页 |
| 3.1 本章引言 | 第24页 |
| 3.2 传统的混合高斯背景模型 | 第24-27页 |
| 3.3 改进的混合高斯背景模型 | 第27-30页 |
| 3.4 实验分析 | 第30-32页 |
| 3.5 性能分析 | 第32-34页 |
| 3.6 本章小节 | 第34-36页 |
| 第四章 中层特征提取算法的改进和优化 | 第36-52页 |
| 4.1 本章引言 | 第36页 |
| 4.2 基于金字塔光流的跟踪算法 | 第36-39页 |
| 4.2.1 局部特征点的原理 | 第36-37页 |
| 4.2.2 金字塔光流算法的原理 | 第37-39页 |
| 4.3 改进时空立方体的分割算法 | 第39-43页 |
| 4.3.1 基于时间信息的群体跟踪 | 第39-40页 |
| 4.3.2 基于空间信息的群体分割 | 第40-42页 |
| 4.3.3 实验分析 | 第42-43页 |
| 4.4 改进的中层时空特征描述算子 | 第43-51页 |
| 4.4.1 一致性描述算子 | 第44-45页 |
| 4.4.2 稳定性描述算子 | 第45-46页 |
| 4.4.3 冲突性描述算子 | 第46页 |
| 4.4.4 密度描述算子 | 第46-48页 |
| 4.4.5 实验分析 | 第48-51页 |
| 4.5 本章小节 | 第51-52页 |
| 第五章 基于卷积神经网络的异常行为识别 | 第52-61页 |
| 5.1 本章引言 | 第52页 |
| 5.2 卷积神经网络模型 | 第52-56页 |
| 5.2.1 卷积神经网络的结构 | 第53-54页 |
| 5.2.2 卷积神经网络的异常行为识别 | 第54-56页 |
| 5.3 实验结果分析 | 第56-60页 |
| 5.4 本章小节 | 第60-61页 |
| 第六章 群体异常行为检测原型系统的设计和实现 | 第61-68页 |
| 6.1 本章引言 | 第61页 |
| 6.2 群体异常行为检测原型系统的设计 | 第61-65页 |
| 6.2.1 系统开发工具 | 第61页 |
| 6.2.2 系统功能结构 | 第61-62页 |
| 6.2.3 视频读取和参数配置模块 | 第62页 |
| 6.2.4 实时监测模块 | 第62-63页 |
| 6.2.5 特征提取模块 | 第63-64页 |
| 6.2.6 异常行为识别模块 | 第64-65页 |
| 6.2.7 异常报警及显示模块 | 第65页 |
| 6.2.8 数据统计模块 | 第65页 |
| 6.3 群体异常行为检测原型系统实现 | 第65-67页 |
| 6.4 本章小结 | 第67-68页 |
| 第七章 结论与展望 | 第68-72页 |
| 7.1 全文总结 | 第68-70页 |
| 7.2 展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 作者在读期间科研成果简介 | 第77-78页 |
| 致谢 | 第78页 |
