| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-21页 |
| 1.1 视频序列中的异常事件检测研究意义 | 第8-9页 |
| 1.2 视频序列中的异常事件检测研究现状 | 第9-18页 |
| 1.2.1 监控目标 | 第9-10页 |
| 1.2.2 异常定义和假设 | 第10-11页 |
| 1.2.3 特征提取 | 第11-12页 |
| 1.2.4 学习方法 | 第12-13页 |
| 1.2.5 建模和分类算法 | 第13-18页 |
| 1.3 视频序列中的异常事件检测研究机构 | 第18页 |
| 1.4 视频序列中的异常事件检测研究热点 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-21页 |
| 2 基于组稀疏编码和低秩矩阵恢复的视频事件表示 | 第21-28页 |
| 2.1 组稀疏编码模型 | 第21-23页 |
| 2.1.1 稀疏编码 | 第21-22页 |
| 2.1.2 组稀疏编码 | 第22-23页 |
| 2.2 低秩矩阵恢复 | 第23-24页 |
| 2.3 低秩组稀疏编码模型 | 第24-25页 |
| 2.4 基于字典的视频事件重建 | 第25-27页 |
| 2.4.1 基于稀疏表示的视频事件重建 | 第25-26页 |
| 2.4.2 基于稀疏基字典的视频事件重建 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于低秩结构化稀疏表示的异常事件检测 | 第28-42页 |
| 3.1 引言 | 第28-29页 |
| 3.2 低层次特征提取 | 第29-30页 |
| 3.3 基于LASSC的字典学习算法 | 第30-32页 |
| 3.4 基于低秩组稀疏字典的视频事件重建 | 第32-33页 |
| 3.5 实验 | 第33-40页 |
| 3.5.1 参数设置 | 第34-35页 |
| 3.5.2 UCSD Ped1数据集上验证结果 | 第35-38页 |
| 3.5.3 Avenue数据集上验证结果 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 4 基于低秩结构化稀疏表示的自适应异常事件检测 | 第42-52页 |
| 4.1 引言 | 第42-43页 |
| 4.2 加权正交匹配追踪算法 | 第43-44页 |
| 4.3 基于低秩组稀疏字典的加权视频事件重建 | 第44-45页 |
| 4.4 实验 | 第45-51页 |
| 4.4.1 参数设置 | 第45-46页 |
| 4.4.2 UCSD Ped1数据集上验证结果 | 第46-49页 |
| 4.4.3 Avenue数据集上验证结果 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 改进的基于低秩结构化稀疏表示的自适应异常事件检测 | 第52-59页 |
| 5.1 引言 | 第52-53页 |
| 5.2 实验 | 第53-58页 |
| 5.2.1 参数设置 | 第53-54页 |
| 5.2.2 UCSD Ped1数据集上验证结果 | 第54-55页 |
| 5.2.3 Avenue数据集上验证结果 | 第55-58页 |
| 5.3 本章小结 | 第58-59页 |
| 6 结论和展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 附录 | 第67页 |