基于视频的人群异常聚集检测
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 数字图像处理技术的研究现状 | 第10-13页 |
| 1.1.1 数字图像处理技术的优点 | 第10-11页 |
| 1.1.2 数字图像处理技术涉及到的关键技术 | 第11-12页 |
| 1.1.3 数字图像处理技术的发展与应用 | 第12-13页 |
| 1.2 论文研究内容和结构安排 | 第13-16页 |
| 1.2.1 论文的研究内容 | 第13-14页 |
| 1.2.2 论文的章节安排 | 第14-16页 |
| 2 数字图像处理技术 | 第16-23页 |
| 2.1 数字图像处理的含义 | 第16-17页 |
| 2.2 数字图像处理的内容 | 第17-23页 |
| 2.2.1 图像的预处理 | 第17-18页 |
| 2.2.2 图像的形态学处理 | 第18-19页 |
| 2.2.3 图像分割 | 第19-20页 |
| 2.2.4 图像的特征描述与识别 | 第20-23页 |
| 3 图像纹理特征和人群密度估计 | 第23-48页 |
| 3.1 图像纹理特征 | 第23-28页 |
| 3.1.1 基于图像灰度直方图的特征提取 | 第23-24页 |
| 3.1.2 基于灰度差值直方图的特征提取 | 第24-26页 |
| 3.1.3 基于图像灰度共生矩阵的特征提取 | 第26-28页 |
| 3.2 支持向量机SVM技术 | 第28-36页 |
| 3.2.1 两分类SVM | 第28-32页 |
| 3.2.2 多分类SVM | 第32-36页 |
| 3.3 人群密度估计 | 第36-48页 |
| 3.3.1 前景目标检测 | 第36-42页 |
| 3.3.2 特征提取 | 第42-46页 |
| 3.3.3 支持向量机分类 | 第46-48页 |
| 4 非参数估计 | 第48-55页 |
| 4.1 非参数估计的方法 | 第48-50页 |
| 4.1.1 直方图估计 | 第48-49页 |
| 4.1.2 核密度估计 | 第49页 |
| 4.1.3 K近邻估计 | 第49-50页 |
| 4.2 核密度估计 | 第50-55页 |
| 4.2.1 核密度估计具体方法 | 第50-51页 |
| 4.2.2 常用核函数 | 第51-52页 |
| 4.2.3 窗宽的选择 | 第52-55页 |
| 5 人群异常聚集检测算法的仿真实现 | 第55-61页 |
| 5.1 背景构造及特征提取 | 第55-57页 |
| 5.1.1 背景构造 | 第55-56页 |
| 5.1.2 特征提取 | 第56-57页 |
| 5.2 训练阶段 | 第57-60页 |
| 5.2.1 分类器训练 | 第57页 |
| 5.2.2 样本视频训练 | 第57-60页 |
| 5.3 人群密度检测阶段 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录A 个人简介 | 第68-69页 |
| 附录B 程序 | 第69-78页 |
