基于在线自适应字典学习的视频异常事件检测技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 异常事件检测国内外研究现状 | 第11-14页 |
| 1.3 主要研究内容与组织结构 | 第14-16页 |
| 1.3.1 主要研究内容 | 第14页 |
| 1.3.2 组织结构 | 第14-16页 |
| 第2章 基于稀疏表示的异常事件检测 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 稀疏表示 | 第16-19页 |
| 2.2.1 稀疏表示理论 | 第17-18页 |
| 2.2.2 稀疏分解 | 第18-19页 |
| 2.3 字典学习 | 第19-22页 |
| 2.3.1 K-SVD算法 | 第19-20页 |
| 2.3.2 在线字典学习算法 | 第20-22页 |
| 2.4 基于稀疏表示的异常事件检测 | 第22-25页 |
| 2.4.1 稀疏重构代价 | 第22-23页 |
| 2.4.2 动态稀疏编码 | 第23-24页 |
| 2.4.3 稀疏组合学习 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 基于在线自适应字典学习的异常事件检测 | 第26-40页 |
| 3.1 引言 | 第26-27页 |
| 3.2 特征提取 | 第27-29页 |
| 3.2.1 光流特征 | 第27-28页 |
| 3.2.2 光流直方图特征 | 第28-29页 |
| 3.3 在线自适应字典学习算法 | 第29-35页 |
| 3.4 权重矩阵的更新策略 | 第35-36页 |
| 3.5 字典的在线更新策略 | 第36-38页 |
| 3.6 异常事件的判定准则和框架 | 第38-39页 |
| 3.7 本章小结 | 第39-40页 |
| 第4章 视频异常事件检测实验与结果分析 | 第40-50页 |
| 4.1 引言 | 第40页 |
| 4.2 系统实现 | 第40-42页 |
| 4.2.1 实验开发环境 | 第40页 |
| 4.2.2 系统实现框架 | 第40-42页 |
| 4.3 实验与结果分析 | 第42-48页 |
| 4.3.1 UMN视频数据库 | 第42-45页 |
| 4.3.2 Subway视频数据库 | 第45-48页 |
| 4.4 本章小结 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
