视觉关键词稀疏表示的全局异常事件检测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-16页 |
| 1.1 课题研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 国内外研究现状 | 第12-13页 |
| 1.2.2 国外研究状况 | 第13-14页 |
| 1.3 本文的研究内容 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 2 异常事件检测相关综述 | 第16-32页 |
| 2.1 异常状态定义 | 第16页 |
| 2.2 特征提取算法 | 第16-23页 |
| 2.2.1 Horn-Schunck光流算法 | 第17-19页 |
| 2.2.2 Lucas-Kanade光流算法 | 第19-21页 |
| 2.2.3 光流直方图(HOF) | 第21-22页 |
| 2.2.4 本文的特征提取算法 | 第22-23页 |
| 2.3 稀疏表示相关研究 | 第23-28页 |
| 2.3.1 稀疏表示理论 | 第24-25页 |
| 2.3.2 稀疏表示求解算法 | 第25-27页 |
| 2.3.3 稀疏表示在计算机视觉中的应用 | 第27-28页 |
| 2.4 字典的构建及优化 | 第28-31页 |
| 2.4.1 特征相似性与视觉关键词 | 第29-30页 |
| 2.4.2 K-means聚类算法 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于HMOFP特征稀疏表示的全局异常事件检测 | 第32-41页 |
| 3.1 运动特征的提取 | 第32-33页 |
| 3.2 正常行为模式字典的构建及优化 | 第33-35页 |
| 3.3 全局异常事件检测 | 第35-36页 |
| 3.4 实验结果与对比分析 | 第36-40页 |
| 3.4.1 实验数据与评价标准 | 第36-37页 |
| 3.4.2 实验结果与分析 | 第37-39页 |
| 3.4.3 对比分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 视觉关键词稀疏表示的全局异常事件检测 | 第41-46页 |
| 4.1 运动特征的提取 | 第41页 |
| 4.2 常行为模式字典的构建 | 第41-43页 |
| 4.3 全局异常事件检测 | 第43页 |
| 4.4 实验结果与对比分析 | 第43-45页 |
| 4.4.1 实验结果与分析 | 第43-44页 |
| 4.4.2 对比分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第52-54页 |
| 学位论文数据集 | 第54页 |
