基于视频特征的实时异常行为检测研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 研究现状与发展趋势 | 第11-14页 |
| 1.2.1 研究现状 | 第11-13页 |
| 1.2.2 发展趋势 | 第13-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第二章 异常行为检测方法概述 | 第17-25页 |
| 2.1 异常行为检测特征描述 | 第17-20页 |
| 2.1.1 光流特征 | 第18页 |
| 2.1.2 梯度特征 | 第18-19页 |
| 2.1.3 纹理特征 | 第19-20页 |
| 2.2 异常行为检测方法概述 | 第20-24页 |
| 2.2.1 基于社会力模型的异常行为检测方法 | 第21-22页 |
| 2.2.2 基于局部运动聚类的异常行为检测方法 | 第22-23页 |
| 2.2.3 基于时空纹理建模的异常行为检测 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 基于双重稀疏表示的全局异常行为检测 | 第25-38页 |
| 3.1 特征提取 | 第25-27页 |
| 3.2 全局异常行为检测方法 | 第27-31页 |
| 3.2.1 动态词典更新 | 第27-29页 |
| 3.2.2 双重稀疏表示 | 第29-31页 |
| 3.3 UMN数据集 | 第31-32页 |
| 3.4 评估方法及参数设置 | 第32-33页 |
| 3.5 实验结果与分析 | 第33-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 基于Harris角点的显著性目标检测 | 第38-47页 |
| 4.1 显著性目标检测方法 | 第39-42页 |
| 4.1.1 前景目标定位 | 第39-40页 |
| 4.1.2 基于前景信息和背景信息的显著图 | 第40-41页 |
| 4.1.3 基于凸包中心算法 | 第41-42页 |
| 4.2 优化策略 | 第42-44页 |
| 4.2.1 贝叶斯视角 | 第42-43页 |
| 4.2.2 显著扩散 | 第43-44页 |
| 4.3 显著性目标检测结果 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于在线加权聚类的局部异常行为检测 | 第47-57页 |
| 5.1 局部异常行为检测方法 | 第47-49页 |
| 5.1.1 感兴趣区域提取 | 第47-48页 |
| 5.1.2 在线加权聚类 | 第48-49页 |
| 5.2 优化策略 | 第49-50页 |
| 5.3 UCSD数据集 | 第50-52页 |
| 5.4 参数设置 | 第52页 |
| 5.5 实验结果与分析 | 第52-56页 |
| 5.6 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 本文工作总结 | 第57-58页 |
| 6.2 未来工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第62-63页 |
| 附录2 攻读硕士学位期间申请的专利 | 第63-64页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第64-65页 |
| 致谢 | 第65页 |
