监控视频异常事件检测方法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究难点 | 第11-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-14页 |
| 第2章 异常事件检测方法概述 | 第14-22页 |
| 2.1 视频异常事件检测基本流程 | 第15-16页 |
| 2.2 运动特征 | 第16-19页 |
| 2.2.1 低层视觉特征 | 第16-18页 |
| 2.2.2 高层语义特征 | 第18-19页 |
| 2.3 检测模型 | 第19-22页 |
| 2.3.1 基于聚类的模型 | 第19-20页 |
| 2.3.2 基于统计学习的模型 | 第20页 |
| 2.3.3 基于稀疏重构编码的模型 | 第20-22页 |
| 第3章 基于多示例和时间序列的异常事件检测方法 | 第22-37页 |
| 3.1 引言 | 第22页 |
| 3.2 预处理 | 第22-23页 |
| 3.3 特征提取 | 第23-26页 |
| 3.3.1 光流特征 | 第23页 |
| 3.3.2 多示例划分 | 第23-26页 |
| 3.4 模型建立 | 第26-28页 |
| 3.5 异常检测 | 第28-30页 |
| 3.5.1 预测区间合并 | 第28-29页 |
| 3.5.2 二次异常检测 | 第29-30页 |
| 3.6 实验分析 | 第30-36页 |
| 3.6.1 局部异常事件检测 | 第30-34页 |
| 3.6.2 全局异常事件检测 | 第34-36页 |
| 3.7 本章小结 | 第36-37页 |
| 第4章 基于深度学习的非参数异常事件检测方法 | 第37-50页 |
| 4.1 引言 | 第37-38页 |
| 4.2 预处理及特征提取 | 第38-40页 |
| 4.2.1 活动区域筛选 | 第38-39页 |
| 4.2.2 深度特征提取 | 第39-40页 |
| 4.3 模型建立 | 第40-42页 |
| 4.3.1 动态字典维护 | 第40-41页 |
| 4.3.2 字典集合聚类 | 第41-42页 |
| 4.4 异常检测 | 第42-43页 |
| 4.4.1 相似度比较 | 第42-43页 |
| 4.4.2 在线更新 | 第43页 |
| 4.5 实验分析 | 第43-49页 |
| 4.5.1 拥挤场景异常事件检测 | 第44-47页 |
| 4.5.2 稀疏场景异常事件检测 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 | 第56-57页 |
| 附件 | 第57-59页 |
