基于Markov随机场的视频异常挖掘研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·视频异常挖掘简介 | 第10-13页 |
| ·视频数据结构 | 第10-11页 |
| ·视频异常挖掘 | 第11页 |
| ·视频异常挖掘方法 | 第11-13页 |
| ·视频异常挖掘的应用 | 第13页 |
| ·研究现状、内容及意义 | 第13-16页 |
| ·研究现状 | 第13-15页 |
| ·研究内容 | 第15-16页 |
| ·研究意义 | 第16页 |
| ·本文的组织结构 | 第16-18页 |
| 第二章 Markov 随机场 | 第18-27页 |
| ·马尔科夫随机场的基本理论 | 第18-22页 |
| ·位置(site)与标记(label) | 第18页 |
| ·Markov 随机场与 Gibbs 分布 | 第18-22页 |
| ·邻域系统和基团 | 第19-20页 |
| ·Markov 随机场 | 第20页 |
| ·Gibbs 随机场 | 第20-21页 |
| ·Markov – Gibbs 等价性 | 第21-22页 |
| ·Markov 随机场的观测场与标记场模型 | 第22-25页 |
| ·MRF 标记场模型 | 第22-23页 |
| ·MRF 观测场模型 | 第23-25页 |
| ·马尔科夫随机场的研究现状 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于 MRF 聚类模型的目标分割方法 | 第27-38页 |
| ·MRF 图像聚类、最大方差法分割的基本理论 | 第27-29页 |
| ·Bayes 估计 | 第27-28页 |
| ·最大类间方差法 | 第28-29页 |
| ·MRF 算法的表示 | 第29-32页 |
| ·基于 MRF 的图像背景模型表示 | 第29-31页 |
| ·基于 ICM 算法的图像建模 | 第31-32页 |
| ·基于 MRF 聚类模型的目标分割算法 | 第32-37页 |
| ·MRFC 算法的原理 | 第32-33页 |
| ·MRFC 算法的模型构建 | 第33-34页 |
| ·MRFC 的实现 | 第34-35页 |
| ·实验分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于马尔可夫链模型的行人异常行为分析 | 第38-47页 |
| ·问题的提出 | 第38页 |
| ·基于局部信息的特征向量分布混合模型 | 第38-40页 |
| ·特征向量降维 | 第39页 |
| ·局部概率密度估计 | 第39-40页 |
| ·基于马尔可夫链模型的行人异常行为检测 | 第40-41页 |
| ·实验与过程分析 | 第41-45页 |
| ·实验数据说明 | 第41-42页 |
| ·参数训练及过程描述 | 第42-45页 |
| ·函数参数的确定 | 第42-43页 |
| ·模型训练 | 第43-44页 |
| ·异常检测 | 第44-45页 |
| ·实验结果分析 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第五章 基于马尔科夫随机场的视频异常挖掘 | 第47-58页 |
| ·问题提出 | 第47-48页 |
| ·相关概念 | 第48-50页 |
| ·E-MRF 算法 | 第50-57页 |
| ·E-MRF 基本思想 | 第50-51页 |
| ·E-MRF 算法描述 | 第51-53页 |
| ·正常行为的能量聚类 | 第51-52页 |
| ·异常行为判断 | 第52-53页 |
| ·实验结果及性能分析 | 第53-57页 |
| ·实验数据 | 第53-54页 |
| ·实验结果 | 第54-56页 |
| ·算法比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结束语 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的学术论文 | 第66页 |
