| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-17页 |
| ·视频数据降维与特征提取研究现状 | 第11-13页 |
| ·特征分析与识别方法研究现状 | 第13-17页 |
| ·论文的研究内容和结构安排 | 第17-18页 |
| 第2章 ICA-R视频运动目标检测研究 | 第18-31页 |
| ·引言 | 第18-19页 |
| ·独立分量分析与带参考量的独立分量分析基本原理 | 第19-23页 |
| ·主分量分析 | 第19-20页 |
| ·独立分量分析 | 第20-22页 |
| ·带参考量的独立分量分析 | 第22-23页 |
| ·ICA-R视频运动目标检测算法的原理和实现 | 第23-26页 |
| ·检测模型的构建 | 第23-24页 |
| ·球化 | 第24-25页 |
| ·ICA-R背景分离向量的训练 | 第25-26页 |
| ·前景目标检测 | 第26页 |
| ·实验结果及分析 | 第26-30页 |
| ·结论 | 第30-31页 |
| 第3章 面向特征的ICA和HP滤波实现HMM视频异常事件检测 | 第31-45页 |
| ·引言 | 第31页 |
| ·隐马尔可夫模型 | 第31-36页 |
| ·HMM数学原理 | 第32-33页 |
| ·HMM在应用中需要解决的三个基本问题 | 第33-34页 |
| ·HMM算法 | 第34-36页 |
| ·面向特征的ICA和HP滤波实现HMM视频异常事件检测 | 第36-40页 |
| ·图像预处理 | 第37页 |
| ·图像的ICA特征表示 | 第37-38页 |
| ·投影系数序列的HP滤波 | 第38-39页 |
| ·HMM建模和异常检测 | 第39-40页 |
| ·实验结果及分析 | 第40-44页 |
| ·结论 | 第44-45页 |
| 第4章 多时间粒度iHMM视频异常事件检测 | 第45-60页 |
| ·引言 | 第45-46页 |
| ·无限状态隐马尔可夫模型 | 第46-55页 |
| ·Dirichlet分布与Dirichlet过程 | 第46-48页 |
| ·多层Dirichlet过程 | 第48-52页 |
| ·iHMM结构与采样推理算法 | 第52-55页 |
| ·多时间粒度iHMM视频异常事件检测算法的原理与实现 | 第55-58页 |
| ·图像序列预处理 | 第56页 |
| ·iHMM建模与异常事件检测 | 第56-57页 |
| ·多时间粒度异常事件检测 | 第57-58页 |
| ·实验结果及分析 | 第58-59页 |
| ·结论 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67页 |
