监控视频异常事件检测方法研究
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 课题背景及意义 | 第13-15页 |
| 1.1.1 课题背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外相关研究现状 | 第15-17页 |
| 1.2.1 对异常视频序列建模 | 第16页 |
| 1.2.2 对正常视频序列建模 | 第16-17页 |
| 1.2.3 其他方法 | 第17页 |
| 1.3 论文研究的主要问题 | 第17-19页 |
| 1.4 论文的主要工作与结构 | 第19-22页 |
| 1.4.1 本文的主要工作 | 第19-20页 |
| 1.4.2 本文的组织结构 | 第20-22页 |
| 第二章 监控视频异常检测的基础知识 | 第22-34页 |
| 2.1 描述视频事件的特征提取 | 第22-27页 |
| 2.1.1 描述视频事件的特征概述 | 第22页 |
| 2.1.2 光流直方图 | 第22-25页 |
| 2.1.3 3D梯度 | 第25页 |
| 2.1.4 前景计数器 | 第25-26页 |
| 2.1.5 复合描述子 | 第26-27页 |
| 2.2 异常检测方法 | 第27-32页 |
| 2.2.1 异常检测的基本原理 | 第27-28页 |
| 2.2.2 基于聚类的异常检测 | 第28页 |
| 2.2.3 基于统计模型的异常检测 | 第28页 |
| 2.2.4 基于分类的异常检测 | 第28-31页 |
| 2.2.5 基于稀疏表示的异常检测 | 第31-32页 |
| 2.3 本章小结 | 第32-34页 |
| 第三章 监控视频中的异常事件检测方法 | 第34-45页 |
| 3.1 引言 | 第34页 |
| 3.2 基于运动先验信息的视频光流直方图特征提取 | 第34-40页 |
| 3.2.1 改进ViBe算法的运动检测 | 第34-35页 |
| 3.2.2 像素特征：快速鲁棒视频光流提取 | 第35-38页 |
| 3.2.3 聚合特征：区域光流直方图 | 第38-40页 |
| 3.3 异常检测模型 | 第40-42页 |
| 3.3.1 基于朴素最大值模型的异常检测 | 第41页 |
| 3.3.2 基于单类SVM的异常检测 | 第41-42页 |
| 3.3.3 基于稀疏表示的异常检测 | 第42页 |
| 3.4 监控视频异常检测系统的实现 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第四章 实验与分析 | 第45-64页 |
| 4.1 引言 | 第45页 |
| 4.2 数据集 | 第45-47页 |
| 4.3 评价准则 | 第47-49页 |
| 4.3.1 异常检测性能评价 | 第48页 |
| 4.3.2 时间复杂度评价 | 第48-49页 |
| 4.4 监控视频分块光流直方图的特征分析 | 第49-52页 |
| 4.4.1 参数配置 | 第49页 |
| 4.4.2 特征分析 | 第49-52页 |
| 4.5 参数分析 | 第52-53页 |
| 4.5.1 特征参数寻优 | 第52-53页 |
| 4.5.2 单类SVM参数寻优 | 第53页 |
| 4.6 异常结果与分析 | 第53-62页 |
| 4.6.1 UCSD Ped1数据集 | 第53-56页 |
| 4.6.2 采集的实际监控视频 | 第56-62页 |
| 4.7 结论 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 作者在学期间取得的学术成果 | 第71页 |
