| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景与意义 | 第9-10页 |
| 1.2 课题国内外研究现状 | 第10-14页 |
| 1.2.1 人群监控系统框架 | 第10-12页 |
| 1.2.2 人群密度估计方法 | 第12-13页 |
| 1.2.3 人群运动分析算法 | 第13-14页 |
| 1.2.4 国内外研究现状总结 | 第14页 |
| 1.3 课题主要研究内容及文章结构安排 | 第14-15页 |
| 1.4 论文技术路线及创新之处 | 第15-17页 |
| 第二章 人群监控视频图像预处理 | 第17-26页 |
| 2.1 图像去噪处理 | 第17-18页 |
| 2.2 运动目标检测方法介绍 | 第18-19页 |
| 2.3 背景建模 | 第19-21页 |
| 2.3.1 背景建模方法简介 | 第19-20页 |
| 2.3.2 非参数化自适应混合高斯模型 | 第20-21页 |
| 2.4 阴影检测和颜色模型 | 第21-22页 |
| 2.5 形态学处理 | 第22-24页 |
| 2.6 本章小结 | 第24-26页 |
| 第三章 视频监控中的人群密度估计 | 第26-36页 |
| 3.1 前景灰度图像 | 第26页 |
| 3.2 前景目标纹理特征提取 | 第26-30页 |
| 3.2.1 常用纹理分析方法 | 第27页 |
| 3.2.2 基于 LBP GLCM 方法的纹理特征提取 | 第27-30页 |
| 3.3 人群密度估计及分类实现 | 第30-34页 |
| 3.3.1 典型目标分类器 | 第30-31页 |
| 3.3.2 SVM 分类器 | 第31-33页 |
| 3.3.3 性能评估方法 | 第33-34页 |
| 3.3.4 人群密度估计步骤 | 第34页 |
| 3.4 局部人群密度分析思路 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 人群运动分析及异常检测 | 第36-46页 |
| 4.1 目标特征点提取算法 | 第36-39页 |
| 4.1.1 角点检测算法 | 第36-38页 |
| 4.1.2 Shi-Tomasi 算法 | 第38页 |
| 4.1.3 目标角点的获取 | 第38-39页 |
| 4.2 基于目标特征点的稀疏光流法 | 第39-42页 |
| 4.2.1 光流法简介 | 第39-40页 |
| 4.2.2 金字塔光流法 | 第40-42页 |
| 4.3 基于光流矢量的人群运动特征提取 | 第42-44页 |
| 4.3.1 人群平均动能 | 第42-43页 |
| 4.3.2 人群运动方向熵 | 第43-44页 |
| 4.3.3 帧间互信息量 | 第44页 |
| 4.4 人群运动分析及异常检测 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 实验及结果分析 | 第46-56页 |
| 5.1 OpenCV 简介 | 第46页 |
| 5.2 人群密度分析实验 | 第46-50页 |
| 5.2.1 密度训练及分类 | 第47-49页 |
| 5.2.2 局部密度分类和标记 | 第49-50页 |
| 5.3 人群运动分析实验 | 第50-54页 |
| 5.3.1 人群正常行为训练 | 第50-51页 |
| 5.3.2 人群异常行为检测 | 第51-54页 |
| 5.4 本章小结 | 第54-56页 |
| 第六章 结论及展望 | 第56-57页 |
| 6.1 本文所做的工作 | 第56页 |
| 6.2 下一步工作展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 发表论文和参加科研情况说明 | 第62-63页 |
| 致谢 | 第63页 |