基于稀疏组合学习的异常事件检测技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 本文主要研究内容与组织结构 | 第15-16页 |
| 1.3.1 本文主要研究内容 | 第15页 |
| 1.3.2 论文的组织结构 | 第15-16页 |
| 第2章 基于稀疏表示异常检测及理论研究 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 基于稀疏表示的异常事件 | 第16-18页 |
| 2.2.1 稀疏代价重构SRC | 第16-18页 |
| 2.2.2 动态稀疏编码 | 第18页 |
| 2.3 稀疏表示 | 第18-22页 |
| 2.3.1 信号的稀疏表示 | 第19页 |
| 2.3.2 稀疏性测量 | 第19-20页 |
| 2.3.3 稀疏逼近的方法 | 第20-22页 |
| 2.4 字典学习 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第3章 基于稀疏组合学习的异常事件检测 | 第26-42页 |
| 3.1 引言 | 第26-27页 |
| 3.2 背景建模去冗 | 第27-32页 |
| 3.2.1 三维梯度特征 | 第27-29页 |
| 3.2.2 主成分分析PCA降维 | 第29-30页 |
| 3.2.3 均值法获取背景 | 第30-32页 |
| 3.3 稀疏组合学习算法提高检测速率 | 第32-39页 |
| 3.3.1 训练数据学习稀疏组合 | 第35-37页 |
| 3.3.2 稀疏组合测试 | 第37-39页 |
| 3.4 组合在线扩展更新提高检测准确度 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 系统实现与结果分析 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 系统实现 | 第42-44页 |
| 4.2.1 实验开发环境 | 第42页 |
| 4.2.2 系统实现框架 | 第42-44页 |
| 4.3 实验结果分析 | 第44-51页 |
| 4.3.1 AVENUE视频库 | 第44-46页 |
| 4.3.2 UCSD Ped1视频库 | 第46-49页 |
| 4.3.3 UMN视频库 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间申请及已获得的专利 | 第57-59页 |
| 致谢 | 第59页 |
