| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题研究背景与意义 | 第13-16页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-20页 |
| 1.2.1 国内研究现状 | 第16-17页 |
| 1.2.2 国外研究现状 | 第17-20页 |
| 1.3 本文的主要贡献 | 第20-21页 |
| 1.4 论文的结构组织 | 第21-23页 |
| 第二章 人群异常事件检测概述 | 第23-29页 |
| 2.1 视频监控下的异常检测框架 | 第23-24页 |
| 2.2 基本事件的表示 | 第24-25页 |
| 2.3 异常事件检测建模算法 | 第25-26页 |
| 2.4 行为识别数据集 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 附图 | 第28-29页 |
| 第三章 基于移动机器人的实时跑动目标检测 | 第29-39页 |
| 3.1 跑动目标检测系统 | 第29-30页 |
| 3.2 感兴趣区域的提取 | 第30-35页 |
| 3.2.1 光流法 | 第31-33页 |
| 3.2.2 形态学与闭操作 | 第33-35页 |
| 3.3 卷积神经网络 | 第35-36页 |
| 3.4 实验结果与分析 | 第36-38页 |
| 3.4.1 实时性 | 第36-37页 |
| 3.4.2 检测准确率 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于时空路径搜索的快速动作定位 | 第39-47页 |
| 4.1 动作定位框架 | 第39-40页 |
| 4.2 运动目标检测 | 第40-43页 |
| 4.2.1 Faster-RCNN：一种更快检测物体的深度学习网络 | 第40-42页 |
| 4.2.2 模板匹配 | 第42-43页 |
| 4.3 时空路径搜索 | 第43-44页 |
| 4.4 动作提取的实验结果与分析 | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于长短期记忆网络的视频序列分析与行为检测 | 第47-55页 |
| 5.1 递归神经网络 | 第47-48页 |
| 5.2 长短期记忆网络 | 第48-50页 |
| 5.3 动作识别框架 | 第50页 |
| 5.4 动作识别 | 第50-53页 |
| 5.4.1 数据集 | 第51-52页 |
| 5.4.2 动作识别结果 | 第52-53页 |
| 5.5 本章小结 | 第53-55页 |
| 第六章 结束语 | 第55-57页 |
| 6.1 本文工作总结 | 第55-56页 |
| 6.2 下一步研究方向 | 第56-57页 |
| 参考文献 | 第57-63页 |
| 致谢 | 第63-65页 |
| 作者简介 | 第65页 |