声明
致谢
摘要
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 论文主要工作内容
1.4 论文章节结构
2 人群行为分析和轨迹异常检测及预测研究综述
2.1 视频监控场景分类
2.2 人群行为分析
2.2.1 轨迹特征提取
2.2.2 轨迹相似性度量
2.2.3 轨迹聚类分析
2.2.4 运动模式学习
2.3 异常轨迹检测
2.4 轨迹预测
2.5 本章小结
3 基于主题模型的人群行为分析
3.1 基于SPE算法的轨迹特征提取
3.1.1 轨迹分段处理
3.1.2 运动参数计算
3.1.3 轨迹编码
3.1.4 轨迹降维处理
3.1.5 结构保持编码SPE算法
3.2 LDA主题模型介绍
3.2.1 Dirichlet分布
3.2.2 Fast LDA主题模型
3.2.3 Gibbs采样方法
3.3 基于Fast LDA算法的轨迹聚类分析
3.4 运动模式学习
3.5 实验结果及分析
3.5.1 轨迹特征提取
3.5.2 基于Fast LDA算法的轨迹聚类分析
3.5.3 运动模式学习
3.6 本章小结
4 基于局部离群点的异常轨迹检测
4.1 测试轨迹预处理
4.2.1 测试轨迹分类
4.2.2 异常轨迹检测
4.3 实验结果及分析
4.3.1 轨迹预处理
4.3.2 基于K-LOF算法的异常轨迹检测
4.4 本章小结
5 基于长短型记忆神经网络的轨迹预测
5.1 LSTM产生的背景
5.2 基于LSTM神经网络的轨迹预测
5.2.1 LSTM神经网络模型
5.2.2 LSTM神经网络的训练
5.2.3 误差项沿时间反向传播
5.2.4 误差项传递到上一层
5.2.5 梯度下降法进行权值更新
5.3 实验结果及分析
5.3.1 基于LSTM的轨迹预测
5.4 本章小结
6.1 工作总结
6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集