视频监控下实时异常行为检测研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16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 研究现状与发展趋势 | 第10-13页 |
| 1.2.1 研究现状 | 第10-12页 |
| 1.2.2 发展趋势 | 第12-13页 |
| 1.3 研究难点 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-16页 |
| 第二章 异常行为检测方法概述 | 第16-25页 |
| 2.1 异常行为常用检测特征描述 | 第16-19页 |
| 2.1.1 梯度特征 | 第16-17页 |
| 2.1.2 颜色特征 | 第17-18页 |
| 2.1.3 角点特征 | 第18-19页 |
| 2.2 异常行为检测方法概述 | 第19-24页 |
| 2.2.1 基于深度学习的异常检测方法 | 第20-21页 |
| 2.2.2 基于局部运动聚类的异常检测方法 | 第21-22页 |
| 2.2.3 基于社会力模型的异常检测方法 | 第22-23页 |
| 2.2.4 基于稀疏表示的异常检测方法 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 显著行人目标检测 | 第25-35页 |
| 3.1 显著目标检测方法 | 第26-30页 |
| 3.1.1 基于均值光流直方图的显著性目标检测 | 第26-28页 |
| 3.1.2 背景分割 | 第28-29页 |
| 3.1.3 优化的显著目标检测 | 第29-30页 |
| 3.2 行人目标检测结果分析 | 第30-33页 |
| 3.3 本章小结 | 第33-35页 |
| 第四章 基于稠密轨迹小片段的异常行为检测 | 第35-45页 |
| 4.1 | 第35-44页 |
| 4.1.1 取样和编码 | 第35-36页 |
| 4.1.2 稠密轨迹的提取 | 第36页 |
| 4.1.3 轨迹小片段描述子 | 第36-38页 |
| 4.1.4 码本构建 | 第38-40页 |
| 4.1.5 轨迹小片段集合的拓扑 | 第40-42页 |
| 4.1.6 异常检测 | 第42-44页 |
| 4.1.7 算法初始化 | 第44页 |
| 4.2 本章小结 | 第44-45页 |
| 第五章 实验结果与分析 | 第45-58页 |
| 5.1 异常检测数据集介绍 | 第45-49页 |
| 5.1.1 Mall数据集 | 第45-46页 |
| 5.1.2 UCSD数据集 | 第46-48页 |
| 5.1.3 Subway数据集 | 第48-49页 |
| 5.2 评估方法 | 第49页 |
| 5.3 实验结果与分析 | 第49-57页 |
| 5.3.1 Mall数据集的异常行为检测结果 | 第49-51页 |
| 5.3.2 UCSD数据集的异常行为检测结果 | 第51-54页 |
| 5.3.3 Subway数据集的异常行为检测结果 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 未来工作展望 | 第58-60页 |
| 参考文献 | 第60-64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 |
