| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 应用前景 | 第11-12页 |
| 1.3 技术难点 | 第12-13页 |
| 1.4 本文主要工作 | 第13-14页 |
| 1.5 本文结构安排 | 第14-16页 |
| 第二章 行人群体行为分析与识别 | 第16-22页 |
| 2.1 基础技术现状 | 第16-17页 |
| 2.1.1 行人检测 | 第16页 |
| 2.1.2 行人跟踪 | 第16-17页 |
| 2.2 国内外研究现状 | 第17-20页 |
| 2.2.1 国内相关研究现状 | 第17-18页 |
| 2.2.2 国外相关研究现状 | 第18-20页 |
| 2.3 行人群体的检测与跟踪 | 第20-21页 |
| 2.4 本章小节 | 第21-22页 |
| 第三章 基于多特征融合的行人群体检测 | 第22-33页 |
| 3.1 HOG特征 | 第22-24页 |
| 3.2 局部二值模式 | 第24-28页 |
| 3.3 检测融合特征提取 | 第28-29页 |
| 3.4 融合特征及ADABOOST的行人检测 | 第29-32页 |
| 3.5 本章小节 | 第32-33页 |
| 第四章 基于多特征融合及最少费用流的行人群体跟踪 | 第33-62页 |
| 4.1 跟踪融合特征提取 | 第33-37页 |
| 4.1.1 LBP纹理相似度特征提取 | 第33-35页 |
| 4.1.2 距离度量特征提取 | 第35-36页 |
| 4.1.3 行人群体跟踪特征融合 | 第36页 |
| 4.1.4 基于覆盖的LSED特征提取 | 第36-37页 |
| 4.2 行人群体跟踪的最少费用流模型 | 第37-42页 |
| 4.3 融合多特征及最少费用流的行人群体跟踪与分析新方法 | 第42-44页 |
| 4.4 行人群体行为识别与跟踪 | 第44-57页 |
| 4.4.1 行人群体行为识别与跟踪实验设计 | 第44页 |
| 4.4.2 行人群体行为识别与跟踪实验验证 | 第44-51页 |
| 4.4.3 LMTDR实验结果详细分析 | 第51-57页 |
| 4.5 局部遮挡下的行人群体识别与跟踪 | 第57-60页 |
| 4.5.1 小部分遮挡识别与跟踪效果 | 第58页 |
| 4.5.2 大部分遮挡识别与跟踪效果 | 第58页 |
| 4.5.3 局部遮挡识别与跟踪效果分析 | 第58-60页 |
| 4.6 本章小节 | 第60-62页 |
| 第五章 行人群体行为分析 | 第62-71页 |
| 5.1 路径分析 | 第62-65页 |
| 5.1.1 TUD数据库路径分析 | 第62-63页 |
| 5.1.2 ETHMS数据库路径分析 | 第63-65页 |
| 5.2 行人区域密集性分析 | 第65-70页 |
| 5.2.1 行人密集区域分析 | 第65页 |
| 5.2.2 TUD数据库密集性情况分析 | 第65-67页 |
| 5.2.3 ETHMS数据库密集性情况分析 | 第67-70页 |
| 5.3 本章小节 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 本文的主要贡献 | 第71页 |
| 6.2 下一步工作的展望 | 第71-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-83页 |
| 攻硕期间取得的研究成果 | 第83-84页 |