| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 人群异常事件检测问题描述 | 第13-15页 |
| 1.3 研究现状 | 第15-18页 |
| 1.4 论文的主要工作 | 第18-20页 |
| 第2章 人群异常事件检测相关方法概述 | 第20-34页 |
| 2.1 基于运动轨迹的人群异常事件检测方法 | 第21-23页 |
| 2.2 基于光流场特征的人群异常事件检测方法 | 第23-26页 |
| 2.3 基于稀疏表示的人群异常事件检测方法 | 第26-28页 |
| 2.4 基于深度神经网络的人群异常事件检测方法 | 第28-31页 |
| 2.5 其他类型的人群异常事件检测方法 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 基于显著性的人群异常事件检测 | 第34-61页 |
| 3.1 显著性检测概述 | 第34-37页 |
| 3.1.1 静态图像的显著性检测方法 | 第34-36页 |
| 3.1.2 视频显著性检测方法 | 第36-37页 |
| 3.2 基于显著性的人群异常事件检测模型 | 第37-53页 |
| 3.2.1 视频显著性检测模型 | 第37-42页 |
| 3.2.2 算法框架 | 第42-45页 |
| 3.2.3 分类器选择 | 第45-48页 |
| 3.2.4 实验数据库及评价标准 | 第48-50页 |
| 3.2.5 实验结果与分析 | 第50-53页 |
| 3.3 基于显著性及光流场统计特征的人群异常事件检测模型 | 第53-60页 |
| 3.3.1 算法框架 | 第53-55页 |
| 3.3.2 实验结果与分析 | 第55-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 基于无监督深度神经网络特征提取的人群异常事件检测 | 第61-76页 |
| 4.1 无监督深度神经网络介绍 | 第61-65页 |
| 4.2 PCANET | 第65-69页 |
| 4.3 基于PCANET特征提取的人群异常事件检测模型 | 第69-71页 |
| 4.4 实验结果与分析 | 第71-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第5章 基于人群密集度的人群异常事件检测 | 第76-95页 |
| 5.1 深度卷积神经网络介绍 | 第76-82页 |
| 5.2 基于深度卷积神经网络的人群密集度提取 | 第82-84页 |
| 5.3 基于人群密集度的人群异常事件检测模型 | 第84-88页 |
| 5.4 实验结果与分析 | 第88-92页 |
| 5.5 本文所提出的人群异常事件检测模型对比 | 第92-94页 |
| 5.6 本章小结 | 第94-95页 |
| 第6章 总结 | 第95-98页 |
| 6.1 总结 | 第95-96页 |
| 6.2 不足与展望 | 第96-98页 |
| 参考文献 | 第98-109页 |
| 致谢 | 第109-111页 |
| 博士期间学术成果 | 第111-112页 |
