基于特征融合与稀疏表示的群体异常检测方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要内容 | 第10页 |
| 1.4 本文结构安排 | 第10-12页 |
| 2 基于HOG与MHOF的融合特征提取 | 第12-30页 |
| 2.1 特征提取算法 | 第12-15页 |
| 2.1.1 HOG特征提取算法 | 第12-13页 |
| 2.1.2 MHOF特征提取算法 | 第13-15页 |
| 2.2 基于前景分割的HOG特征提取方法设计 | 第15-19页 |
| 2.2.1 前景区域提取 | 第15-17页 |
| 2.2.2 梯度特征构建 | 第17-19页 |
| 2.3 基于特征点筛选的MHOF特征提取方法设计 | 第19-25页 |
| 2.3.1 特征点筛选 | 第20-21页 |
| 2.3.2 光流直方图构建 | 第21-23页 |
| 2.3.3 特征点速度分布统计 | 第23-25页 |
| 2.4 HOG与MHOF特征融合 | 第25-26页 |
| 2.5 实验结果分析 | 第26-28页 |
| 2.6 本章小结 | 第28-30页 |
| 3 基于双字典的稀疏表示异常检测方法 | 第30-46页 |
| 3.1 稀疏表示方法 | 第30-31页 |
| 3.2 双字典构建方法设计 | 第31-34页 |
| 3.2.1 正常特征字典构建 | 第32页 |
| 3.2.2 异常特征字典构建 | 第32-33页 |
| 3.2.3 字典训练 | 第33-34页 |
| 3.3 异常检测及字典更新方法设计 | 第34-38页 |
| 3.3.1 异常检测方法 | 第34-37页 |
| 3.3.2 字典的更新 | 第37-38页 |
| 3.4 实验结果分析 | 第38-44页 |
| 3.4.1 整体异常检测步骤 | 第38-39页 |
| 3.4.2 重建花费实验分析 | 第39-41页 |
| 3.4.3 全局异常检测结果 | 第41-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 局部异常检测与定位方法 | 第46-54页 |
| 4.1 局部异常定义 | 第46-47页 |
| 4.2 局部异常定位方法设计 | 第47-51页 |
| 4.2.1 基于前景面积的异常定位 | 第47-49页 |
| 4.2.2 基于特征点速度的异常定位 | 第49-51页 |
| 4.3 实验结果分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-61页 |
