| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·本文研究内容 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 第2章 运动特征提取 | 第13-24页 |
| ·背景差分法 | 第13-14页 |
| ·算法介绍 | 第13页 |
| ·背景建模方法 | 第13-14页 |
| ·算法步骤 | 第14页 |
| ·算法优缺点 | 第14页 |
| ·帧间差分 | 第14-15页 |
| ·算法介绍 | 第14-15页 |
| ·算法步骤 | 第15页 |
| ·算法优缺点 | 第15页 |
| ·光流法 | 第15-24页 |
| ·算法介绍 | 第15-16页 |
| ·光流计算的原理 | 第16-18页 |
| ·算法优缺点 | 第18页 |
| ·光流计算算法 | 第18-22页 |
| ·实验 | 第22-24页 |
| 第3章 行为建模 | 第24-44页 |
| ·群体异常行为的界定 | 第24-25页 |
| ·行为建模方法 | 第25-30页 |
| ·时空梯度模型 | 第25-26页 |
| ·局部时空动作模型 | 第26页 |
| ·光流直方图 | 第26-28页 |
| ·运动学光流直方图 | 第28-30页 |
| ·实验 | 第30-44页 |
| ·KL散度(Kullback-Leibler divergence) | 第30页 |
| ·自组织映射(SOM) | 第30-32页 |
| ·实验结果与分析 | 第32-44页 |
| 第4章 稀疏表示 | 第44-50页 |
| ·稀疏表示简介 | 第44-45页 |
| ·稀疏分解算法 | 第45-48页 |
| ·凸松弛法 | 第46-47页 |
| ·贪婪法 | 第47-48页 |
| ·稀疏表示的应用 | 第48-50页 |
| 第5章 基于稀疏表示的群体异常行为检测 | 第50-58页 |
| ·时空区域视觉显著性提取 | 第50-52页 |
| ·稀疏重构代价 | 第52-54页 |
| ·实验与分析 | 第54-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |