| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 论文研究的背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 运动目标跟踪技术 | 第11-13页 |
| 1.2.1.1 目标视觉表示 | 第12页 |
| 1.2.1.2 目标定位 | 第12-13页 |
| 1.2.2 异常检测方法 | 第13-15页 |
| 1.2.2.1 基于重构误差的异常事件建模 | 第13-14页 |
| 1.2.2.2 基于分类和聚类的异常事件建模 | 第14页 |
| 1.2.2.3 基于统计学习的异常事件建模 | 第14-15页 |
| 1.3 论文研究内容和结构安排 | 第15-16页 |
| 第2章 底层特征提取 | 第16-24页 |
| 2.1 光流特征 | 第16-22页 |
| 2.1.1 图像金字塔表示 | 第17-18页 |
| 2.1.2 金字塔特征跟踪 | 第18-19页 |
| 2.1.3 迭代仿射光流计算 | 第19-22页 |
| 2.2 实验仿真与结果分析 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于DPM模型RB粒子滤波的运动目标跟踪 | 第24-39页 |
| 3.1 引言 | 第24-25页 |
| 3.2 状态空间方程 | 第25-26页 |
| 3.3 观测噪声的DPM模型描述 | 第26-30页 |
| 3.3.1 Dirichlet分布和Dirichlet过程 | 第26-28页 |
| 3.3.2 观测噪声的DPM模型 | 第28-30页 |
| 3.4 基于DPM模型的RB粒子滤波跟踪算法 | 第30-33页 |
| 3.4.1 Rao-Blackwellised粒子滤波 | 第30-31页 |
| 3.4.2 基于DPM-RBPF算法的目标跟踪 | 第31-32页 |
| 3.4.3 DPM-RBPF算法流程 | 第32-33页 |
| 3.5 实验仿真及结果分析 | 第33-38页 |
| 3.5.1 模拟场景 | 第33-35页 |
| 3.5.2 UCSD数据集 | 第35-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于图结构的视频异常事件检测 | 第39-67页 |
| 4.1 引言 | 第39页 |
| 4.2 图信号处理 | 第39-51页 |
| 4.2.1 图结构与图信号 | 第40-41页 |
| 4.2.2 图信号处理基本运算 | 第41-45页 |
| 4.2.3 小波紧框架图滤波器组 | 第45-51页 |
| 4.2.3.1 图滤波器组紧框架设计 | 第46-48页 |
| 4.2.3.2 自适应频谱滤波器组 | 第48-50页 |
| 4.2.3.3 滤波实现与信号重构 | 第50-51页 |
| 4.3 联合空时模型的异常事件检测 | 第51-60页 |
| 4.3.1 联合空时模型训练 | 第52-59页 |
| 4.3.1.1 iHMM-LDA生成树 | 第54-56页 |
| 4.3.1.2 LDA-i HMM生成树 | 第56-58页 |
| 4.3.1.3 树加权 | 第58-59页 |
| 4.3.2 异常事件检测 | 第59-60页 |
| 4.4 实验仿真及结果分析 | 第60-66页 |
| 4.4.1 UCSD数据集测试 | 第60-64页 |
| 4.4.2 UMN数据集测试 | 第64-65页 |
| 4.4.3 不同异常检测模型之间的比较 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75页 |