| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 研究内容概述 | 第10-19页 |
| 1.1 研究的目的和要解决的问题 | 第10-12页 |
| 1.2 主要研究内容 | 第12-16页 |
| 1.2.1 基于局部块学习方法的异常事件检测和分类 | 第13-14页 |
| 1.2.2 前景团块序列的优化 | 第14页 |
| 1.2.3 基于事件类型的视频摘要 | 第14-16页 |
| 1.3 本文的算法框架及章节安排 | 第16-19页 |
| 第二章 异常事件检测和视频摘要研究现状 | 第19-30页 |
| 2.1 异常事件检测的研究现状 | 第19-25页 |
| 2.1.1 物体的前景提取算法 | 第19-23页 |
| 2.1.2 跟踪算法 | 第23-24页 |
| 2.1.3 异常事件检测算法 | 第24-25页 |
| 2.2 视频摘要算法的研究现状 | 第25-30页 |
| 2.2.1 关键帧法 | 第25-26页 |
| 2.2.2 视频跳读 | 第26-27页 |
| 2.2.3 动态视频摘要 | 第27-30页 |
| 第三章 基于小块学习的异常事件检测和分类算法 | 第30-43页 |
| 3.1 基于小块学习的异常事件检测 | 第30-38页 |
| 3.1.1 运动目标的前景团块提取 | 第31-33页 |
| 3.1.2“运动描述子”特征提取 | 第33-35页 |
| 3.1.3 训练小块的正常模式概率密度函数 | 第35-37页 |
| 3.1.4 行为异常性检测 | 第37-38页 |
| 3.2 基于关键块相关性的异常行为分类 | 第38-43页 |
| 3.2.1 检测场景的关键块 | 第40页 |
| 3.2.2 关键块之间相关性的计算 | 第40-41页 |
| 3.2.3 异常行为的分类 | 第41-43页 |
| 第四章 团块序列最优分割算法 | 第43-56页 |
| 4.1 团块序列的黏连问题 | 第43-46页 |
| 4.2 黏连团块的识别 | 第46-47页 |
| 4.3 前景团块的分块算法 | 第47-51页 |
| 4.3.1 光流场的孟塞尔颜色空间转换 | 第48-50页 |
| 4.3.2 前景团块的聚类分块 | 第50-51页 |
| 4.4 黏连前景的最优分割 | 第51-56页 |
| 4.4.1 最优分割模型 | 第51-54页 |
| 4.4.2 最优分割模型的参数选择 | 第54-56页 |
| 第五章 基于异常行为分类的动态视频摘要算法 | 第56-61页 |
| 5.1 团块序列的时间平移 | 第56-58页 |
| 5.2 团块的泊松图像融合 | 第58-59页 |
| 5.3 团块序列时移最优化模型中的参数选择 | 第59-61页 |
| 第六章 实验结果分析与比较 | 第61-72页 |
| 6.1 异常行为检测和分类的实验结果 | 第62-64页 |
| 6.2 团块序列提取的实验结果 | 第64-67页 |
| 6.3 基于类型的动态视频摘要实验结果 | 第67-72页 |
| 第七章 结论 | 第72-73页 |
| 7.1 本文工作总结 | 第72页 |
| 7.2 未来工作拓展 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 硕士攻读期间发表论文 | 第79-81页 |