1、“.....万方数据目......”。

2、“.....次摘要目次图清单表清单绪论研究的背景和意义视频监控中行人跟踪与异常运动检测研究概述国内外研究状况及趋势论文的主要工作论文的章节安排基于人体对称性和方向梯度直方图的行人目标检测本章引论人体对称性检测特征提取归化颜色空间计算图像梯度构建梯度方向直方图收集特征分类器实验结果及分析分类器训练测试小结基于轨迹能量最小化的多目标行人跟踪本章引论能量函数观察致性速度守恒性位置互斥性万方数据轨迹持续性正则化能量最小化生长与收缩合并与分裂添加与删除初始化实验结果及分析小结基于概率图模型的行人异常运动检测本章引论运动特征提取光流法构建模型观察值基于的行人异常运动检测简介算法详解实验结果及分析基于的行人异常运动检测简介算法详解实验结果及分析小结总结与展望研究工作总结工作展望参考文献作者简介万方数据图清单图行人运动分析三大步骤图行人和背景窗口垂直边缘检测结果图特征提......”。

3、“.....主要内容为三个部分第部分是行人检测算法的设计。为了加快检测速度，同时减少误检率，我们对以前的行人检测算法进行改进，先使用人体对称性检测筛选出行人候选区域，再结合特征和分类器对候选区域进行验证。因为图像的大部分区域是背景，这么做可以迅速排出些非行人窗口，减少了误报率，加快了检测速度。第二部分是多目标行人跟踪算法的设计......”。

4、“.....和以往的跟踪方法不同，我们主要关注于设计种能量函数，使它可以真实地描述跟踪问题，很好地表现视频场景中所有目标的运动和交互过程。我们将多目标跟踪看成种最小化轨迹能量函数的问题，然后通过设计个合理的优化方法来找到能量函数的局部最小值，得到最优轨迹。第三部分是异常运动检测算法的设计。概率图模型是对复杂概率关系的图形化表示，可以很好地建模随机变量依赖关系。行人运动的变化可以看为状态和观察值的变化，通过概率图模型可以很好地建模状态与观察值之间的关系。本文通过提取的运动特征矢量对和两种概率图模型进行训练，并对这两种概率图模型的判别效果进行比较。论文的章节安排本论文的章节内容安排如下第章是绪论，说明了公共场所视频监控中行人运动分析的研究意义和国内外的研究现状，并描述了行人运动检测与分析的基本研究框架以及本文的主要研究内容。第二章开始到第五章......”。

5、“.....第二章研究的行人检测算法，改进了基于方向梯度直方图特征行人检测算法。根据人体对称性检测得到候选检测窗口，再使用提取检测窗口的轮廓梯度特征，通过分类器进行行人的检测。最后通过大量测试图片对检测效果进行比较和分析。第三章研究的是行人跟踪算法，提出了种基于轨迹能量最小化的多目标行人跟踪算法。将多目标跟踪看成种最小化轨迹能量函数的问题。和以往的万方数据中国计量学院硕士学位论文跟踪方法不同，我们主要关注于设计种能量函数，使它可以真实地描述跟踪问题，很好地表现视频场景中所有目标的运动和交互过程。然后通过迭代不断优化能量函数找到最优轨迹。最后对跟踪的标准测试视频进行测试并分析实验结果。第四章研究的是异常运动检测算法，将概率图模型应用于异常运动检测领域。概率图模型以图的形式表示较为抽象的随机变量依赖关系......”。

6、“.....通过提取的运动特征矢量对和模型进行训练，并使用训练后的模型对行人异常运动的视频进行检测。最后对这两种概率图模型的判别效果进行比较。第五章是总结与展望。这章对本文所做的工作进行总结，与此同时提出本文可以进步研究的方向与内容。万方数据中国计量学院硕士学位论文基于人体对称性和方向梯度直方图的行人目标检测本章引论行人检测是计算机视觉领域的个研究热点，因为它在很多地方都可以得到广泛应用，比如无人驾驶智能监控等领域。行人检测也是行人跟踪的基础。但因为行人外观复杂多变行走姿势各异环境干扰等原因，使得在图像中准确检测和定位行人是计算机视觉领域里的个很大的挑战。方向梯度直方图特征是种对图像局部重叠区域的密集型描述符,它通过计算局部区域的梯度方向直方图来构成特征。等人提出了种使用特征来进行行人检测的方法......”。

7、“.....的方法计算量很大，我们对其做了改进，在前面添加了个人体对称性检测，即先根据人体对称性筛选出行人候选窗口，再结合特征和分类器对候选窗口进行二次判断。因为图像的大部分区域是背景，这么做可以迅速排除些非行人窗口，减少了误报率，加快了检测速度。人体对称性检测原始行人图像原始背景图像行人垂直边缘检测结果背景垂直边缘检测结果图行人和背景窗口垂直边缘检测结果使用人体对称性进行行人初步检测的依据是因为图像中人的外形基本上是对称的。由于垂直边缘可以反映人体的大致外形轮廓，我们先对图像进行垂直边缘检测，再计算对称度，当对称度大于个阈值时，我们认为可能是行人。万方数据中国计量学院硕士学位论文如图所示的是行人和背景窗口垂直边缘检测结果，可以直观地看到行人的边缘具有较强的对称度，而背景的边缘是不具有对称性的。我们对原始图像使用边缘对称性进行初步检测......”。

8、“.....再检测窗口内的边缘是否对称。使用公式对检测窗口内的两个边缘像素点,和,进行对称性检测。如果它们关于中心轴对称，其对称性大小为，否则为。其中，为窗口的中心轴坐标，为对称边缘点的搜索区域，根据搜索窗口的位置和宽高来确定。对搜索窗口内的每对像素点的对称性都进行计算和统计，进步得到该窗口的对称性，即,当该窗口的边缘对称性大于阈值时，该窗口作为行人候选区域，提供给后面去验证。特征提取对训练样本和检测窗口都需要进行特征提取。将幅图分解为许多小的方形单元格，计算每个单元格内的梯度方向直方图，并在更大的块内归化梯度方向直方图，最后返回每个单元格内的描述子。使用特征对行人进行检测具有很大的优势。它从局部单元格开始统计梯度特征，并通过相邻单元格构造更大的块......”。

9、“.....降低人体细微动作对检测的影响。提取特征的流程如图所示图特征提取算法流程图万方数据中国计量学院硕士学位论文归化颜色空间我们对整个图像进行颜色归化来减少光照因素的影响。在图像的纹理强度中，局部表层曝光贡献的比重较大，所以，这种压缩处理能够有效地降低图像局部的阴影和光照变化。由于颜色信息对梯度计算没有帮助，可以先转换为灰度图像，再对灰度图像进行压缩。压缩公式其中。计算图像梯度计算图像水平和垂直方向的梯度，进步得到每个像素点位置处的梯度方向。求导操作不仅能够捕获轮廓人影和些纹理信息，还能进步弱化光照的影响。计算图像中像素点,的梯度,,式中,分别代表输入图像中像素点,处的水平方向梯度垂直方向梯度和像素值。像素点,处的梯度大小和梯度方向分别为,,首先用水平梯度算子对原图像做卷积运算......”。