| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究工作的背景与意义 | 第11-12页 |
| 1.2 监控视频中异常事件检测的研究历史与现状 | 第12-14页 |
| 1.3 本文的主要贡献与创新 | 第14页 |
| 1.4 本论文的结构安排 | 第14-16页 |
| 第二章 监控视频中的异常事件时空位置检测背景 | 第16-30页 |
| 2.1 异常检测 | 第16-18页 |
| 2.2 视频中的语义分析和行为理解 | 第18-24页 |
| 2.2.1 行人检测 | 第18-19页 |
| 2.2.2 动作识别 | 第19-24页 |
| 2.3 监控视频中的异常事件检测和定位 | 第24-25页 |
| 2.4 现流行深度生成网络概述 | 第25-29页 |
| 2.4.1 VAE的原理 | 第25-28页 |
| 2.4.2 GAN的原理 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于关节数据的交互动作识别和检测技术 | 第30-42页 |
| 3.1 基于关节数据的能够自动特征选择的交互动作识别和检测技术 | 第30-35页 |
| 3.1.1 关节数据的特征提取 | 第30-32页 |
| 3.1.2 特征自动选择和交互动作识别 | 第32-34页 |
| 3.1.3 基于滑动窗的交互动作检测 | 第34-35页 |
| 3.2 实验 | 第35-40页 |
| 3.2.1 数据集以及评测指标 | 第36页 |
| 3.2.2 SBU和CR-UESTC数据集上的动作识别实验结果 | 第36-39页 |
| 3.2.3 SBU和CR-UESTC数据集上的动作检测实验结果 | 第39-40页 |
| 3.3 本章小结 | 第40-42页 |
| 第四章 监控视频异常事件时空位置检测技术 | 第42-52页 |
| 4.1 2stream-VAE/GAN | 第42-46页 |
| 4.1.1 变分自动编码器/生成对抗网络模型 | 第42-44页 |
| 4.1.2 2stream-VAE/GAN具体结构 | 第44-46页 |
| 4.2 实验 | 第46-51页 |
| 4.2.1 数据集 | 第46-47页 |
| 4.2.2 评测指标 | 第47页 |
| 4.2.3 UCSDped1数据集上的实验结果 | 第47-49页 |
| 4.2.4 UCSDped2数据集上的实验结果 | 第49页 |
| 4.2.5 实验分析 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 智能监控系统的设计与实现 | 第52-59页 |
| 5.1 系统概述和流程图 | 第52-53页 |
| 5.2 系统体系结构 | 第53-55页 |
| 5.3 系统功能 | 第55-57页 |
| 5.4 系统界面 | 第57-59页 |
| 第六章 全文总结与展望 | 第59-60页 |
| 6.1 全文总结 | 第59页 |
| 6.2 后续工作展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |
