基于图像分析的视频异常检测方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 主要研究方法介绍 | 第10-11页 |
| 1.3 研究内容及安排 | 第11-14页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 本文安排 | 第13-14页 |
| 第二章 视频异常目标处理技术研究 | 第14-25页 |
| 2.1 视频监控系统介绍 | 第14-16页 |
| 2.1.1 视频监控系统发展历程 | 第14-15页 |
| 2.1.2 智能视频监控系统 | 第15-16页 |
| 2.2 视频图像目标检测方法 | 第16-18页 |
| 2.2.1 基于背景建模的目标检测 | 第16-17页 |
| 2.2.2 基于目标建模的目标检测 | 第17-18页 |
| 2.3 图像目标分割方法 | 第18-19页 |
| 2.4 目标特征描述 | 第19-22页 |
| 2.4.1 图像目标特征描述 | 第19-20页 |
| 2.4.2 光流特征描述 | 第20-22页 |
| 2.5 半监督学习 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于图像分析的异常预判模型 | 第25-37页 |
| 3.1 帧间差分背景建模 | 第25-28页 |
| 3.1.1 背景模型建立方法 | 第25-26页 |
| 3.1.2 改进的帧间差分法 | 第26-28页 |
| 3.2 改进的前景目标提取算法 | 第28-32页 |
| 3.2.1 ViBe算法介绍 | 第28-29页 |
| 3.2.2 ViBe改进方法 | 第29-32页 |
| 3.2.3 融合ViBe的前景目标提取模型 | 第32页 |
| 3.3 基于图像分析的异常预判模型 | 第32-35页 |
| 3.3.1 图像特征分析 | 第32-34页 |
| 3.3.2 光流分析 | 第34-35页 |
| 3.4 预判模型 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 深度判别模型构建 | 第37-45页 |
| 4.1 HOG特征 | 第37-39页 |
| 4.1.1 HOG特征介绍 | 第37-38页 |
| 4.1.2 HOG特征提取 | 第38-39页 |
| 4.2 HOG与光流特征的融合 | 第39-40页 |
| 4.3 半监督支撑向量机模型 | 第40-43页 |
| 4.3.1 支撑向量机理论 | 第40-41页 |
| 4.3.2 半监督支撑向量机构建 | 第41-43页 |
| 4.4 本章小结 | 第43-45页 |
| 第五章 数据处理与结果分析 | 第45-53页 |
| 5.1 实验环境及数据 | 第45-47页 |
| 5.1.1 实验环境 | 第45-46页 |
| 5.1.2 实验数据 | 第46-47页 |
| 5.2 实验结果与分析 | 第47-52页 |
| 5.2.1 前景目标提取模型结果分析 | 第47-48页 |
| 5.2.2 异常判别模型结果分析 | 第48-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 本文总结 | 第53-54页 |
| 6.2 不足与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
