基于SVM的人体异常行为检测算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究现状 | 第12-16页 |
| ·国内外研究现状 | 第12-14页 |
| ·行为检测算法研究现状 | 第14-16页 |
| ·论文研究主要内容 | 第16-19页 |
| ·主要研究内容 | 第16-17页 |
| ·论文结构安排 | 第17-19页 |
| 第2章 关键帧提取技术 | 第19-28页 |
| ·关键帧提取技术概述 | 第19-21页 |
| ·基于视频内容分析的关键帧提取算法 | 第21-26页 |
| ·Hu 不变矩 | 第21-23页 |
| ·提取候选关键帧 | 第23-24页 |
| ·提取关键帧 | 第24-26页 |
| ·实验结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于多特征融合的行为特征描述 | 第28-40页 |
| ·行为特征描述 | 第28-31页 |
| ·技术概述 | 第28-29页 |
| ·基于多特征融合的行为特征 | 第29-31页 |
| ·前景目标预处理 | 第31-35页 |
| ·背景建模 | 第31-33页 |
| ·目标归一化 | 第33-35页 |
| ·行为特征提取 | 第35-39页 |
| ·六星模型 | 第35-36页 |
| ·六星角度 | 第36-37页 |
| ·离心率 | 第37页 |
| ·多特征融合的行为描述算子 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于 SVM 的人体异常行为检测 | 第40-55页 |
| ·支持向量机（SVM）原理 | 第40-47页 |
| ·统计学习理论基础 | 第40-44页 |
| ·支持向量机最大间隔原则 | 第44-45页 |
| ·核函数 | 第45-46页 |
| ·多类分类器 | 第46-47页 |
| ·行为建模与检测 | 第47-48页 |
| ·异常行为检测与结果分析 | 第48-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 总结和展望 | 第55-58页 |
| ·本文工作总结 | 第55-56页 |
| ·工作展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的学术论文目录 | 第63页 |
