拥挤场景下视频异常事件检测技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-20页 |
| ·视频异常事件检测的背景和意义 | 第12-15页 |
| ·视频异常事件检测的国内外研究现状和发展趋势 | 第15-17页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-17页 |
| ·行业发展趋势 | 第17页 |
| ·论文主要工作 | 第17-20页 |
| 第二章 视频异常事件检测方法概述 | 第20-29页 |
| ·视频异常事件检测问题定义 | 第20-21页 |
| ·视频异常事件检测问题难点 | 第21-22页 |
| ·视频异常事件检测研究思路 | 第22-23页 |
| ·运动特征表达方法研究概述 | 第23-26页 |
| ·局部描述子 | 第23-24页 |
| ·光流 | 第24-25页 |
| ·动态纹理 | 第25-26页 |
| ·特征学习模型研究概述 | 第26-28页 |
| ·似然估计模型 | 第26-27页 |
| ·误差重构模型 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 运动特征表达方法研究 | 第29-44页 |
| ·多尺度光流直方图特征 | 第29-35页 |
| ·光流场计算 | 第29-31页 |
| ·Horn-Schunck 光流法 | 第31-32页 |
| ·Black-Anandan 光流法 | 第32-34页 |
| ·多尺度光流直方图 | 第34-35页 |
| ·结构化多尺度运动相关模式特征 | 第35-43页 |
| ·基本编码过程 | 第36-38页 |
| ·背景抑制机制 | 第38-39页 |
| ·时空多尺度特征 | 第39-41页 |
| ·子空间学习 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于似然估计方法的视频异常事件检测模型 | 第44-49页 |
| ·高斯混合模型 | 第44-45页 |
| ·期望最大法 | 第45-48页 |
| ·高斯分量在线更新 | 第48页 |
| ·本章小结 | 第48-49页 |
| 第五章 基于重构误差方法的视频异常事件检测模型 | 第49-59页 |
| ·矢量量化模型 | 第49-50页 |
| ·稀疏编码模型 | 第50-52页 |
| ·稀疏编码概述 | 第50-51页 |
| ·稀疏编码模型建立 | 第51-52页 |
| ·稀疏编码模型求解 | 第52页 |
| ·局部线性编码模型 | 第52-58页 |
| ·局部线性编码数学模型 | 第53-54页 |
| ·局部线性编码性质 | 第54-55页 |
| ·快速近似编码方法 | 第55-56页 |
| ·自适应最近邻码本方法 | 第56-57页 |
| ·字典在线更新方法 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 实验参数分析和实验结果 | 第59-72页 |
| ·实验分析 | 第59-62页 |
| ·运动特征参数分析 | 第59-60页 |
| ·学习模型参数分析 | 第60-61页 |
| ·算法耗时分析 | 第61-62页 |
| ·实验结果 | 第62-70页 |
| ·UCSD Ped1 数据集 | 第62-66页 |
| ·UMN 数据集 | 第66-69页 |
| ·Subway Exit 数据集 | 第69-70页 |
| ·本章小结 | 第70-72页 |
| 第七章 结论 | 第72-74页 |
| ·研究工作总结 | 第72-73页 |
| ·未来研究展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 在学期间取得的研究成果 | 第81-82页 |
