首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

面向高清视频的异常行为识别方法

摘要第8-9页
ABSTRACT第9页
第一章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-13页
    1.3 论文工作和任务第13-15页
第二章 运动矢量计算第15-25页
    2.1 运动矢量第15-20页
        2.1.1 运动矢量概念第15页
        2.1.2 运动矢量与目标运动第15-16页
        2.1.3 影响运动矢量的因素第16-20页
    2.2 基于压缩码流的运动矢量快速提取第20-22页
        2.2.1 基于MPEG-4 的运动矢量提取第20-21页
        2.2.2 基于H.264的运动矢量提取第21-22页
    2.3 运动矢量的规范化第22-24页
        2.3.1 消除多参考帧的影响第22-23页
        2.3.2 消除多宏块模式的影响第23-24页
    2.4 本章小结第24-25页
第三章 基于运动矢量的运动目标检测方法第25-37页
    3.1 概述第25-27页
    3.2 运动矢量提取第27-28页
    3.3 高速运动目标检测第28-32页
        3.3.1 全局运动估计第29-30页
        3.3.2 全局运动补偿第30-31页
        3.3.3 运动目标分割第31-32页
    3.4 实验仿真与分析第32-36页
        3.4.1 实验数据第33页
        3.4.2 最佳阈值参数第33-34页
        3.4.3 运动目标检测准确度第34-35页
        3.4.4 运动目标检测复杂度第35-36页
    3.5 本章小结第36-37页
第四章 基于运动矢量的异常行为特征提取方法第37-48页
    4.1 概述第37-38页
    4.2 运动特征提取第38-42页
        4.2.1 帧内运动特征提取第38-40页
        4.2.2 帧间运动特征提取第40-41页
        4.2.3 行为特征描述子第41-42页
    4.3 实验仿真与分析第42-47页
        4.3.1 实验数据第43页
        4.3.2 帧内运动特征提取第43-45页
        4.3.3 帧间运动特征提取第45-46页
        4.3.4 最佳阈值参数第46-47页
    4.4 本章小结第47-48页
第五章 基于运动矢量的异常行为分类方法第48-59页
    5.1 异常行为分类器第48-54页
        5.1.1 常见的分类器第48-49页
        5.1.2 支持向量机原理第49-52页
        5.1.3 基于SVM的异常行为识别第52-54页
    5.2 实验仿真与分析第54-58页
        5.2.1 异常行为数据库的构建第54-55页
        5.2.2 分类器合理性验证第55-56页
        5.2.3 参数有效性验证第56页
        5.2.4 异常行为归属类别判断第56-58页
    5.3 本章小结第58-59页
第六章 总结与展望第59-61页
    6.1 本文工作总结第59-60页
    6.2 下一步工作展望第60-61页
致谢第61-62页
参考文献第62-66页
作者在学期间取得的学术成果第66页
作者在学期间参与的科研项目第66页
作者在学期间获得的学术奖励第66页

论文共66页,点击 下载论文
上一篇:面向高性能计算平台的Hadoop框架研究及优化
下一篇:面向高速网络流量测量的关键技术研究