| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·论文研究的背景和意义 | 第11-12页 |
| ·人的行为检测技术的发展 | 第12-15页 |
| ·行为检测识别算法的发展 | 第12-14页 |
| ·人的异常行为检测应用情况 | 第14-15页 |
| ·人体行为公共数据集 | 第15页 |
| ·本文研究内容 | 第15-16页 |
| ·论文章节安排 | 第16-17页 |
| 第2章 运动目标检测 | 第17-28页 |
| ·引言 | 第17页 |
| ·运动目标检测算法 | 第17-19页 |
| ·帧间差分法 | 第17-18页 |
| ·光流法 | 第18-19页 |
| ·背景减除法 | 第19页 |
| ·背景更新算法 | 第19-25页 |
| ·混合高斯背景建模与更新 | 第19-21页 |
| ·基于帧间差分的混合高斯背景更新 | 第21-24页 |
| ·实验结果 | 第24-25页 |
| ·阴影抑制 | 第25-27页 |
| ·基于 HSV 颜色空间的阴影检测算法 | 第25-26页 |
| ·阴影去除实验结果 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 特征提取与异常行为检测 | 第28-40页 |
| ·引言 | 第28页 |
| ·支持向量机（Support Vector Machine）理论 | 第28-33页 |
| ·最优分类面 | 第28-30页 |
| ·广义最优分类面 | 第30页 |
| ·二分类支持向量机 | 第30-31页 |
| ·多分类支持向量机 | 第31-33页 |
| ·特征提取以及基于 SVM 的行为检测 | 第33-37页 |
| ·基于形状特征的行为检测 | 第33-35页 |
| ·基于四通道光流特征的行为检测 | 第35-37页 |
| ·基于形状-运动联合特征的行为检测 | 第37页 |
| ·徘徊行为检测 | 第37-39页 |
| ·徘徊行为区域设定 | 第37-38页 |
| ·徘徊行为时间阈值 | 第38页 |
| ·徘徊行为检测实验结果 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于行为属性的异常行为检测 | 第40-48页 |
| ·引言 | 第40-41页 |
| ·过完备初始词典学习 | 第41-43页 |
| ·K-SVD 词典学习 | 第41-42页 |
| ·稀疏优化求解 | 第42-43页 |
| ·基于信息瓶颈算法的行为属性词典学习 | 第43-47页 |
| ·信息瓶颈词典学习算法 | 第43-44页 |
| ·概率模型 | 第44-45页 |
| ·联合稀疏特征 | 第45页 |
| ·PCA 变化数据降维 | 第45-46页 |
| ·实验结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 运动目标跟踪和尾随行为检测 | 第48-57页 |
| ·引言 | 第48-49页 |
| ·基于 Mean Shift 的目标跟踪 | 第49-53页 |
| ·均值漂移（Mean Shift）基本概念 | 第49页 |
| ·Mean Shift 算法跟踪原理 | 第49-51页 |
| ·Mean Shift 目标跟踪实验结果 | 第51-53页 |
| ·尾随行为检测 | 第53-56页 |
| ·尾随行为模式定义 | 第53-54页 |
| ·基于步态周期分析的始终尾随行为检测 | 第54-55页 |
| ·运动速度变化分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录：作者在读期间发表的学术论文及参加的科研项目 | 第65页 |