| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10-11页 |
| ·课题研究现状 | 第11-14页 |
| ·课题研究中面临的问题 | 第14页 |
| ·论文的研究内容和结构安排 | 第14-16页 |
| 第2章 图像底层特征和主题语义特征提取技术研究 | 第16-30页 |
| ·引言 | 第16页 |
| ·图像底层特征提取 | 第16-23页 |
| ·生成尺度空间 | 第17-19页 |
| ·检测 DOG 尺度空间极值点 | 第19页 |
| ·精确定位极值点 | 第19-20页 |
| ·关键点方向分配 | 第20-21页 |
| ·关键点描述子的生成 | 第21-23页 |
| ·SIFT 特征构建 BOW 的方法 | 第23-24页 |
| ·LDA 主题语义特征提取 | 第24-29页 |
| ·模型定义 | 第25-26页 |
| ·LDA 参数学习 | 第26-28页 |
| ·LDA 特征提取分析 | 第28-29页 |
| ·本章总结 | 第29-30页 |
| 第3章 视频异常检测特征分析和识别技术研究 | 第30-48页 |
| ·引言 | 第30-31页 |
| ·HMM 模型 | 第31-35页 |
| ·HMM 结构 | 第31-32页 |
| ·HMM 解决的三个基本问题 | 第32页 |
| ·HMM 算法 | 第32-35页 |
| ·Dirichlet 过程及分层 Dirichlet 过程模型 | 第35-42页 |
| ·Dirichlet 分布 | 第35-36页 |
| ·Dirichlet 过程 | 第36-37页 |
| ·Dirichlet 过程的 Stick-breaking 构造 | 第37-38页 |
| ·分层狄利克雷过程模型 | 第38-39页 |
| ·HDP 的 Stick-breaking 构造 | 第39-40页 |
| ·HDP 采样推理方法 | 第40-42页 |
| ·iHMM 模型及其推理 | 第42-47页 |
| ·iHMM 结构 | 第42-43页 |
| ·iHMM 的吉布斯采样推理 | 第43-45页 |
| ·iHMM 的波束采样推理 | 第45-47页 |
| ·本章总结 | 第47-48页 |
| 第4章 基于环路 LDA-HMM 模型的视频异常事件检测 | 第48-57页 |
| ·引言 | 第48-49页 |
| ·环路 LDA-HMM 结构 | 第49-50页 |
| ·环路 LDA-HMM 的参数推理算法 | 第50-55页 |
| ·环路中 iHMM 结构参数推理 | 第50-51页 |
| ·环路中 LDA 结构参数推理 | 第51-54页 |
| ·环路 LDA-HMM 模型基于树重加权参数推理 | 第54-55页 |
| ·基于环路模型的视频异常事件检测方法 | 第55-56页 |
| ·本章总结 | 第56-57页 |
| 第5章 实验仿真与分析 | 第57-66页 |
| ·引言 | 第57页 |
| ·系统检测流程设计 | 第57-58页 |
| ·实验环境 | 第58页 |
| ·系统软件设计结构 | 第58-59页 |
| ·异常事件检测实验 | 第59-65页 |
| ·商场大厦广场场景实验 | 第59-60页 |
| ·交通路口车辆流动场景实验 | 第60-61页 |
| ·林荫道下人群流动场景检测实验 | 第61-63页 |
| ·UMN 操场人群惊吓异常检测实验 | 第63-64页 |
| ·仿真实验比较 | 第64-65页 |
| ·本章总结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·本文工作总结 | 第66页 |
| ·本文不足之处和展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 附录 | 第74页 |
