| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 关键问题 | 第13-15页 |
| 1.3 本文的主要工作 | 第15页 |
| 1.4 论文的主要结构 | 第15-17页 |
| 第二章 相关技术 | 第17-30页 |
| 2.1 智能视频分析技术 | 第17-20页 |
| 2.2 深度学习 | 第20-27页 |
| 2.2.1 深度学习的发展历程 | 第20-22页 |
| 2.2.2 深度学习方法 | 第22-23页 |
| 2.2.3 常用的模型结构 | 第23-27页 |
| 2.3 暴力行为检测技术 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 暴力行为检测方法研究 | 第30-44页 |
| 3.1 问题描述 | 第30-31页 |
| 3.2 系统框架 | 第31-32页 |
| 3.3 基于CNN与轨迹结合的特征提取方法 | 第32-35页 |
| 3.3.1 基于空间特征的CNN模型 | 第32-33页 |
| 3.3.2 基于时序特征的CNN模型 | 第33页 |
| 3.3.3 轨迹提取算法 | 第33-35页 |
| 3.3.4 3D的轨迹深度特征 | 第35页 |
| 3.4 实验设置 | 第35-39页 |
| 3.4.1 数据集 | 第35-36页 |
| 3.4.2 基于空间特征的CNN模型训练及结果 | 第36-37页 |
| 3.4.3 基于时序特征的CNN模型训练及结果 | 第37页 |
| 3.4.4 特征编码 | 第37-38页 |
| 3.4.5 特征降维 | 第38页 |
| 3.4.6 网络层的选取实验 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-43页 |
| 3.5.1 Crowd数据集上实验 | 第39页 |
| 3.5.2 HockeyFight数据集上实验 | 第39-41页 |
| 3.5.3 高清视频数据集上实验 | 第41-42页 |
| 3.5.4 实验结果分析 | 第42页 |
| 3.5.5 实验效率分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 暴力行为时序定位方法研究 | 第44-60页 |
| 4.1 问题描述 | 第44-45页 |
| 4.2 多尺度的视频预处理 | 第45-46页 |
| 4.3 3D卷积神经网络模型 | 第46页 |
| 4.4 基于C3D候选网络生成模型 | 第46-47页 |
| 4.5 DEC3D定位网络模型 | 第47-51页 |
| 4.5.1 反卷积的计算方法 | 第47-48页 |
| 4.5.2 CDC滤波器 | 第48-49页 |
| 4.5.3 DEC3D定位网络模型 | 第49-51页 |
| 4.6 模型训练及设置 | 第51-53页 |
| 4.6.1 基于C3D候选网络生成模型的训练和测试 | 第51页 |
| 4.6.2 DEC3D网络定位模型的训练和测试 | 第51-53页 |
| 4.7 实验结果与分析 | 第53-58页 |
| 4.7.1 数据集 | 第53-54页 |
| 4.7.2 视频帧分类 | 第54-56页 |
| 4.7.3 暴力行为时序定位 | 第56-58页 |
| 4.7.4 关于候选视频对定位方法影响的分析 | 第58页 |
| 4.8 视频段时序定位的后处理 | 第58-59页 |
| 4.9 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 论文工作总结 | 第60-61页 |
| 5.2 研究工作展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |