基于视频的人体异常行为识别算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究的难点问题 | 第13-15页 |
| ·本文主要研究内容及贡献 | 第15-16页 |
| ·主要研究内容 | 第15-16页 |
| ·主要贡献 | 第16页 |
| ·本文的结构安排 | 第16-18页 |
| 第2章 人体异常行为分析概述 | 第18-26页 |
| ·异常行为特点 | 第18-20页 |
| ·异于其它动作 | 第18-19页 |
| ·闯入非法区 | 第19页 |
| ·自定义异常行为 | 第19-20页 |
| ·人体异常行为特征表示 | 第20-23页 |
| ·基于外观形状特征 | 第21页 |
| ·基于动态描述特征 | 第21-22页 |
| ·基于时空特征 | 第22-23页 |
| ·人体异常行为识别方法 | 第23-25页 |
| ·基于概率网络的方法 | 第23-24页 |
| ·基于聚类的方法 | 第24页 |
| ·基于支持向量机的方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 人体行为特征选取测试 | 第26-36页 |
| ·剪影及光流特征描述 | 第26-28页 |
| ·图像预处理 | 第26-27页 |
| ·全局剪影及光流特征提取 | 第27-28页 |
| ·基于兴趣点 3D SIFT 描述子的特征提取 | 第28-30页 |
| ·Dollar 兴趣点检测方法 | 第28-29页 |
| ·3D SIFT 描述子 | 第29-30页 |
| ·实验及结果分析 | 第30-34页 |
| ·测试数据库 | 第30-31页 |
| ·最近邻识别算法及识别结果 | 第31-32页 |
| ·隐马尔可夫识别算法及识别结果 | 第32-33页 |
| ·实验结果分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于改进时空兴趣点的人体行为特征描述 | 第36-41页 |
| ·基于兴趣点分布的全局空间信息 | 第36-39页 |
| ·改进时空兴趣点检测方法 | 第36-38页 |
| ·兴趣点位置分布信息 | 第38-39页 |
| ·行为特征描述处理 | 第39-40页 |
| ·特征降维与结合处理 | 第39-40页 |
| ·特征量化与选择处理 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第5章 异常行为检测与分析方法研究 | 第41-53页 |
| ·基于支持向量机(SVM)的异常行为识别 | 第41-47页 |
| ·SVM 原理 | 第41-42页 |
| ·基于 SVM 的异常行为识别测试 | 第42-43页 |
| ·实验结果及分析 | 第43-47页 |
| ·AdaBoost+SVM 算法的异常行为识别 | 第47-52页 |
| ·AdaBoost 算法介绍 | 第47-49页 |
| ·AdaBoost+SVM 异常行为识别测试 | 第49-50页 |
| ·实验结果及分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 本文主要完成工作有以下几个方面 | 第53-54页 |
| 对今后工作的展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第59页 |
