声明
致谢
摘要
1 绪论
1.1 研究背景与意义
1.2 人群智能监控概述
1.3 人群智能监控研究现状
1.3.1 人群密度等级分类研究现状
1.3.2 人群异常检测研究现状
1.3.3 研究现状总结
1.4 本文的工作内容及安排
2 人群密度等级分类算法
2.1 算法概述
2.2 图像预处理
2.2.1 图像子块的划分
2.2.2 图像子块的预处理与标定
2.2.3 融合局部与整体灰度共生矩阵的纹理特征描述
2.3 基于前景像素统计的回归算法
2.4 基于纹理特征的学习分类算法
2.4.1 支持向量机模型的建立
2.4.2 基于贝叶斯估计的异常样本滤除
2.4.3 基于改进K-means聚类的迭代训练算法
2.5 本章小结
3 基于瞬时能量特征的人群异常检测
3.1 基于像素统计分析的运动特征点提取
3.1.1 视频图像的网格化处理
3.1.2 前景运动区域检测
3.1.3 运动特征点获取
3.2 基于光流的运动特征提取
3.2.1 光流法的基本原理
3.2.2 Lucas-Kanade光流算法
3.2.3 获取网格的运动向量
3.3 基于瞬时能量特征的人群异常检测
3.3.1 人群的基本能量特征
3.3.2 人群的瞬时能量特征
3.3.3 人群的异常检测
3.4 本章小结
4 实验与分析
4.1 人群密度等级分类算法的实验分析
4.1.1 纹理特征描述及总体算法性能的实验分析
4.1.2 异常样本滤除对分类性能的影响
4.1.3 改进迭代训练算法对训练效率的提升
4.2 人群异常检测模型的实验分析
4.2.1 获取视频图像瞬时能量特征
4.2.2 确定异常检测相关阈值
4.2.3 人群异常检测的实验分析
4.3 本章小结
5 结论与展望
5.1 论文工作总结
5.2 下一步工作展望
参考文献
作者简历
学位论文数据集