视频监控中人群密度估计及异常事件检测算法研究
| 摘要 | 第4-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状及存在的问题 | 第10-11页 |
| 1.3 本文主要内容及结构安排 | 第11-14页 |
| 第二章 视频监控中人群密度估计 | 第14-26页 |
| 2.1 引言 | 第14-15页 |
| 2.2 运动目标检测算法 | 第15-16页 |
| 2.2.1 背景差分法 | 第15-16页 |
| 2.2.2 帧间差分法 | 第16页 |
| 2.3 人群密度估计技术 | 第16-20页 |
| 2.3.1 基于像素的人群密度估计 | 第17-18页 |
| 2.3.2 基于纹理的人群密度估计 | 第18-20页 |
| 2.4 回归模型 | 第20-22页 |
| 2.4.1 偏最小二乘法回归 | 第20页 |
| 2.4.2 高斯过程回归 | 第20-22页 |
| 2.4.3 随机森林回归 | 第22页 |
| 2.5 实验分析 | 第22-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 视频监控中异常事件检测技术 | 第26-32页 |
| 3.1 引言 | 第26页 |
| 3.2 异常事件的特征表示 | 第26-28页 |
| 3.2.1 基于低层次特征的检测方法 | 第26-28页 |
| 3.2.2 基于高层次特征的检测方法 | 第28页 |
| 3.3 异常事件的检测模型 | 第28-30页 |
| 3.3.1 基于分类和聚类的异常事件检测模型 | 第28-30页 |
| 3.3.2 基于推断的异常事件检测模型 | 第30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 基于事件字典的异常事件的检测 | 第32-47页 |
| 4.1 概述 | 第32-33页 |
| 4.2 自定义特征 | 第33-36页 |
| 4.2.1 行人轮廓提取 | 第33-34页 |
| 4.2.2 提取自定义特征 | 第34-35页 |
| 4.2.3 事件的定义 | 第35-36页 |
| 4.3 基于事件字典的异常事件检测 | 第36-45页 |
| 4.3.1 构建事件字典 | 第36-40页 |
| 4.3.2 异常事件检测 | 第40-41页 |
| 4.3.3 实验结果分析 | 第41-45页 |
| 4.4 小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 总结 | 第47-48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54页 |
