| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 论文研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 传统的异常检测方法 | 第12-13页 |
| 1.2.2 基于深度学习的异常检测方法 | 第13-15页 |
| 1.3 论文主要工作及章节安排 | 第15-16页 |
| 第2章 理论基础 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 视频异常检测概述 | 第16-18页 |
| 2.2.1 异常行为检测基础知识 | 第16-17页 |
| 2.2.2 视频异常检测基本模型 | 第17-18页 |
| 2.2.3 异常检测问题的挑战 | 第18页 |
| 2.3 深度学习概述 | 第18-24页 |
| 2.3.1 深度学习的基础知识 | 第18-19页 |
| 2.3.2 神经网络 | 第19-21页 |
| 2.3.3 常见深度学习模型 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于AlexNet的异常行为检测模型 | 第25-39页 |
| 3.1 引言 | 第25页 |
| 3.2 AlexNet模型和one class-SVM模型 | 第25-29页 |
| 3.2.1 AlexNet模型 | 第25-28页 |
| 3.2.2 One-class SVM | 第28-29页 |
| 3.3 基于AlexNet的异常检测方法 | 第29-33页 |
| 3.3.1 数据预处理 | 第30-31页 |
| 3.3.2 特征提取 | 第31-32页 |
| 3.3.3 1SVM训练 | 第32页 |
| 3.3.4 异常检测阶段 | 第32-33页 |
| 3.4 实验结果 | 第33-38页 |
| 3.4.1 视频异常检测评估标准 | 第33页 |
| 3.4.2 实验配置及数据集 | 第33-35页 |
| 3.4.3 实验分析 | 第35-36页 |
| 3.4.4 实验结果 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于AlexNet+SAE和上下文信息的异常行为检测模型 | 第39-51页 |
| 4.1 引言 | 第39页 |
| 4.2 稀疏自编码网络 | 第39-40页 |
| 4.3 异常检测 | 第40-45页 |
| 4.3.1 帧间差分法 | 第40-41页 |
| 4.3.2 数据预处理 | 第41-43页 |
| 4.3.3 特征提取及分类器训练 | 第43-44页 |
| 4.3.4 异常检测 | 第44-45页 |
| 4.4 实验结果 | 第45-50页 |
| 4.4.1 实验配置及数据集 | 第45页 |
| 4.4.2 实验分析 | 第45-46页 |
| 4.4.3 局部异常检测 | 第46-48页 |
| 4.4.4 全局异常检测 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |