目 錄 第1章 人群異常行為圖像研究背景與意義 1.1 人群異常行為圖像研究背景 2 1.1.1 我國軌道交通客流運輸的發展現狀 5 1.1.2 我國軌道交通客流運輸面臨的安全問題 7 1.2 人群異常行為圖像研究的意義 11 1.3 人群異常行為圖像研究現狀 15 1.4 人群異常行為圖像研究內容 18 1.4.1 人群流量統計技術 18 1.4.2 人群聚集檢測技術 19 1.4.3 人群散逃檢測技術 20 1.4.4 人群密度檢測技術 20 1.4.5 人員打架檢測技術 21 1.4.6 人員倒地檢測技術 22 1.4.7 人員徘徊檢測技術 22 1.4.8 快速奔跑檢測技術 23 1.4.9 不文明行為檢測技術 23 1.4.10 吸煙點火檢測技術 24 1.4.11 異常跨線檢測技術 24 1.4.12 人員區域入侵技術 25 1.4.13 人員翻越檢測技術 25 1.4.14 人員圖像追蹤技術 26 1.4.15 人群人臉抓拍技術 27 1.4.16 人群人臉識別技術 27 1.4.17 遺留物檢測技術 28 1.4.18 物體丟失檢測技術 29 1.5 人群異常行為圖像研究思路和方法 29 1.5.1 人群異常行為圖像研究的思路 30 1.5.2 人群異常行為圖像研究的方法 32 第2章 人群異常行為圖像預處理方法 2.1 圖像色彩空間轉換 38 2.1.1 色彩空間模型技術 38 2.1.2 色彩空間模型的變換 50 2.1.3 色彩空間變換的應用 54 2.2 圖像直方圖分析 60 2.2.1圖像直方圖原理 60 2.2.2 圖像直方圖的繪制 61 2.2.3 圖像直方圖的應用 64 2.3 圖像運算處理 68 2.3.1 圖像點運算 69 2.3.2 圖像算術運算 70 2.3.3 圖像幾何運算 77 2.3.4 圖像邏輯運算 85 2.4 圖像中圖形繪制與標示 90 2.4.1 在圖像中繪制直線 90 2.4.2 在圖像中繪制矩形 92 2.4.3 在圖像中繪制圓形 94 2.4.4 在圖像中繪制橢圓 95 2.5 圖像數據三維封裝 97 第3章 人群異常行為圖像增強技術 3.1 灰度變換技術及方法 102 3.1.1 灰度變換技術 102 3.1.2 灰度變換方法 105 3.2 中值濾波技術及方法 110 3.2.1 中值濾波原理 110 3.2.2 中值濾波方法 111 3.2.3 一種自適應中值濾波處理方法 112 3.3 同態濾波技術及方法 115 3.3.1 同態濾波原理 115 3.3.2 同態濾波處理方法 116 3.3.3 同態濾波的應用 117 3.4 形態學技術及方法 120 3.4.1 形態學方法 120 3.4.2 形態學應用 129 第4章 人群異常行為圖像分割技術 4.1 閾值分割技術及方法 134 4.1.1 閾值分割原理 134 4.1.2 閾值分割方法 135 4.2 基于微分算子的邊緣檢測技術 147 4.2.1 邊緣檢測原理 147 4.2.2 邊緣檢測方法 148 4.3 基于聚類分析的圖像分割方法 160 4.3.1 K-means聚類分析算法基本思想 161 4.3.2 一種基于K-means聚類分析的圖像分割算法 162 4.4 基于分水嶺算法的圖像分割方法 165 4.4.1 基于分水嶺算法的圖像分割原理 165 4.4.2 基于標記的分水嶺圖像分割方法 167 4.4.3 基于分水嶺的圖像分割方法應用 168 4.5 基于多尺度小波分析的圖像分割方法 170 4.5.1 多尺度小波分析技術 170 4.5.2 基于多尺度小波分析的圖像分割方法 172 4.5.3 一種基于多尺度小波分析的圖像分割算法 174 第5章 人群異常行為圖像識別技術 5.1 模板匹配技術 178 5.1.1 圖像模板匹配原理 178 5.1.2 圖像模板匹配方法 179 5.1.3 圖像模板匹配的應用 181 5.2 形狀識別技術 182 5.2.1 直線檢測 182 5.2.2 圓形檢測 184 5.2.3 橢圓檢測 186 5.2.4 輪廓提取 187 5.3 骨架提取技術 188 5.3.1 骨架提取技術 189 5.3.2 骨架提取方法 189 5.3.3 骨架提取的應用 190 5.4 機器學習技術 192 5.4.1 機器學習技術 192 5.4.2 基于機器學習的人臉識別 193 5.5 深度學習技術 197 5.5.1 深度學習技術介紹 197 5.5.2 深度學習框架 197 5.5.3 基于深度學習的圖像識別 199 參考文獻 202