群体目标动态分析研究
摘要 | 第1-14页 |
ABSTRACT | 第14-17页 |
缩略语说明 | 第17-18页 |
第一章 绪论 | 第18-24页 |
·课题的研究背景及意义 | 第18-21页 |
·群体目标动态分析发展现状 | 第18页 |
·群体目标动态分析技术应用前景 | 第18-19页 |
·群体目标动态分析研究内容 | 第19-20页 |
·群体目标动态分析研究方法 | 第20页 |
·群体目标动态分析研究面临的挑战 | 第20-21页 |
·本文的主要工作 | 第21-23页 |
·课题研究的主要内容 | 第21页 |
·本文的主要贡献 | 第21-23页 |
·本文各章内容安排 | 第23-24页 |
第二章 群体目标动态分析研究综述 | 第24-37页 |
·概述 | 第24页 |
·现有群体目标分析分类 | 第24页 |
·人群分析研究现状 | 第24-32页 |
·人群密度估计或个数统计 | 第25-29页 |
·群体目标跟踪 | 第29-30页 |
·人群行为理解 | 第30-32页 |
·车辆流分析研究现状 | 第32-33页 |
·其他群体分析研究现状 | 第33页 |
·群体分析常用实验数据 | 第33-35页 |
·不同的群体密度分类标准 | 第35-37页 |
第三章 群体运动前景提取研究 | 第37-52页 |
·概述 | 第37-38页 |
·基于流体力学的前景检测 | 第38-43页 |
·流体力学概念介绍 | 第38-39页 |
·有限时间Lyapunov指数的计算 | 第39-40页 |
·流体力学方法的前景检测 | 第40-41页 |
·实验结果与分析 | 第41-43页 |
·融合的前景检测方法 | 第43-50页 |
·全局光流法 | 第43页 |
·高斯背景建模法 | 第43-46页 |
·全局光流与高斯背景建模的融合 | 第46-47页 |
·实验与分析 | 第47-50页 |
·小结 | 第50-52页 |
第四章 前景运动流分割研究 | 第52-78页 |
·概述 | 第52-53页 |
·聚类分割法 | 第53-55页 |
·聚类分割算法介绍 | 第53-54页 |
·K均值聚类法和谱聚类法 | 第54-55页 |
·光流角度聚类法 | 第55-63页 |
·样本空间确定 | 第56页 |
·聚类类别和初始中心确定 | 第56-57页 |
·初始类内阈值和类间阈值确定 | 第57页 |
·循环聚类次数确定 | 第57-58页 |
·角度聚类详细步骤 | 第58-59页 |
·实验结果与分析 | 第59-63页 |
·块吸收算法 | 第63-67页 |
·块吸收算法描述 | 第63-64页 |
·改进的块吸收算法 | 第64-65页 |
·实验结果 | 第65-67页 |
·光流角度直方图分割法 | 第67-77页 |
·算法的提出 | 第67页 |
·光流角度灰度图像的获取 | 第67-69页 |
·直方图曲线预处理 | 第69-70页 |
·确定直方图曲线极值点 | 第70-71页 |
·确定分割点 | 第71-74页 |
·不同情况运动流分割结果 | 第74-77页 |
·小结 | 第77-78页 |
第五章 群体密度估计与分类研究 | 第78-95页 |
·概述 | 第78页 |
·群体密度简介 | 第78-79页 |
·基于纹理分析的群体密度估计 | 第79-84页 |
·图像纹理介绍 | 第79-81页 |
·密度估计中的纹理分析方法 | 第81-84页 |
·基于矩分析的群体密度估计 | 第84-86页 |
·多特征群体密度估计 | 第86-94页 |
·边缘特征 | 第87页 |
·面积特征 | 第87-88页 |
·零阶矩特征 | 第88页 |
·纹理特征 | 第88-89页 |
·特征量训练 | 第89-91页 |
·实验结果 | 第91-94页 |
·小结 | 第94-95页 |
第六章 密集人群密度估计与分类研究 | 第95-110页 |
·概述 | 第95页 |
·问题与解决方法的提出 | 第95-96页 |
·万有引力边缘检测法 | 第96-101页 |
·改进的GED-T密度估计算法 | 第101-109页 |
·算法介绍 | 第101-104页 |
·算法实验结果 | 第104-109页 |
·小结 | 第109-110页 |
第七章 结论与展望 | 第110-113页 |
·论文总结 | 第110-111页 |
·研究展望 | 第111-113页 |
参考文献 | 第113-124页 |
致谢 | 第124-125页 |
攻读学位期间发表的论文 | 第125-127页 |
攻读学位期间参与的项目 | 第127-128页 |
附录:英文论文两篇 | 第128-144页 |
学位论文评阅及答辩情况表 | 第144页 |