| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究现状及发展趋势 | 第10-14页 |
| 1.2.1 研究现状 | 第10-13页 |
| 1.2.2 发展趋势 | 第13-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第二章 异常行为检测方法概述 | 第17-29页 |
| 2.1 动态圈像分割 | 第17-21页 |
| 2.2 动作特征提取 | 第21-24页 |
| 2.2.1 光流特征 | 第21页 |
| 2.2.2 轨迹特征 | 第21-22页 |
| 2.2.3 速度、速率及方向 | 第22页 |
| 2.2.4 时空特征 | 第22-24页 |
| 2.3 异常行为检测方法 | 第24-27页 |
| 2.3.1 模型框架和分类方法 | 第25-26页 |
| 2.3.2 场景密度和物体的相互作用 | 第26-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第三章 显著行人目标检测 | 第29-42页 |
| 3.1 基于超像素的最小生成树 | 第30-32页 |
| 3.1.1 过分割 | 第30页 |
| 3.1.2 最小生成树 | 第30页 |
| 3.1.3 基于最小生成树的距离变换 | 第30-32页 |
| 3.2 显著目标检测 | 第32-37页 |
| 3.2.1 边界连通性检测 | 第32-34页 |
| 3.2.2 轮廓检测 | 第34-35页 |
| 3.2.3 轮廓的模糊处理 | 第35-36页 |
| 3.2.4 多尺度的显著目标检测 | 第36-37页 |
| 3.3 实验结果 | 第37-40页 |
| 3.3.1 性能评估 | 第37-40页 |
| 3.3.2 处理时间评估 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第四章 基于时序一致性的弱监督异常行为检侧方法 | 第42-51页 |
| 4.1 弱监督学习 | 第43-47页 |
| 4.1.1 行为序列的弱监督学习 | 第43-45页 |
| 4.1.2 时序矩阵构造 | 第45页 |
| 4.1.3 时态一致性 | 第45-47页 |
| 4.2 时序矩阵匹配 | 第47页 |
| 4.3 异常行为检测 | 第47-50页 |
| 4.3.1 稀疏编码直方图特征提取 | 第47-49页 |
| 4.3.2 异常行为判别 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 实验结果与分析 | 第51-59页 |
| 5.1 数据集介绍 | 第51-54页 |
| 5.1.1 CAVIAR数据库 | 第51-53页 |
| 5.1.2 Crossing数据库 | 第53-54页 |
| 5.2 评估方法 | 第54-55页 |
| 5.3 实验结果与分析 | 第55-57页 |
| 5.3.1 CAVIAR数据库的异常行为检测结果 | 第55-56页 |
| 5.3.2 Crossing数据库的异常行为检测结果 | 第56-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结 | 第59页 |
| 6.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间申请的专利 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |