| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 论文研究的背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 基于分类和聚类的异常行为检测模型 | 第13-14页 |
| 1.2.2 基于推断的异常行为检测模型 | 第14-15页 |
| 1.2.3 基于能量的异常行为检测模型 | 第15页 |
| 1.2.4 基于稀疏重构的异常行为检测模型 | 第15页 |
| 1.3 论文主要工作及章节安排 | 第15-17页 |
| 第2章 异常行为检测概述 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 模型简介 | 第17-22页 |
| 2.2.1 视频异常行为检测的一般模型 | 第17-18页 |
| 2.2.2 协稀疏表示模型 | 第18-20页 |
| 2.2.3 Dirty模型 | 第20-22页 |
| 2.3 光流特征 | 第22-26页 |
| 2.3.1 计算稠密度光流的算法 | 第23-26页 |
| 2.4 数据集及异常行为检测评估标准 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于协稀疏正则化的异常行为检测模型 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 预处理 | 第27-31页 |
| 3.2.1 多尺度光流累计幅值（Multi-scale sum optical flow, MSOF） | 第27-29页 |
| 3.2.2 特征分组 | 第29-30页 |
| 3.2.3 特征聚类 | 第30-31页 |
| 3.3 异常检测模型 | 第31-35页 |
| 3.3.1 协稀疏正则化 | 第31-32页 |
| 3.3.2 特征提取 | 第32页 |
| 3.3.3 分析字典的训练方法 | 第32-34页 |
| 3.3.4 自适应的字典选择方法 | 第34-35页 |
| 3.4 模型求解 | 第35-37页 |
| 3.5 实验结果 | 第37-40页 |
| 3.5.1 实验环境和参数设置 | 第37页 |
| 3.5.2 局部异常检测 | 第37-38页 |
| 3.5.3 全局异常检测 | 第38-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第4章 基于Dirty结构的异常行为检测模型 | 第41-51页 |
| 4.1 引言 | 第41页 |
| 4.2 特征提取 | 第41-42页 |
| 4.3 获取字典 | 第42页 |
| 4.4 模型求解 | 第42-44页 |
| 4.5 异常检测 | 第44-45页 |
| 4.6 实验结果 | 第45-49页 |
| 4.6.1 实验环境和参数设置 | 第45页 |
| 4.6.2 局部异常检测实验 | 第45-47页 |
| 4.6.3 全局异常检测 | 第47-49页 |
| 4.7 算法对比 | 第49-50页 |
| 4.8 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |