| 中文摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章：绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外相关研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 本文组织结构 | 第12-13页 |
| 第2章：稀疏表示与字典学习基础 | 第13-25页 |
| 2.1 稀疏表示基础概述 | 第13-14页 |
| 2.2 L_2和L_1范数约束 | 第14-20页 |
| 2.2.1 求最小L_2范数解 | 第15-16页 |
| 2.2.2 L_1范数最小化 | 第16-18页 |
| 2.2.3 L_(1,2)正则化约束 | 第18-20页 |
| 2.3 字典学习算法概述 | 第20-25页 |
| 2.3.1 大规模字典选择算法 | 第20-23页 |
| 2.3.2 字典学习算法 | 第23-25页 |
| 第3章：基于字典学习的异常行为识别在线学习算法 | 第25-41页 |
| 3.1 使用稀疏表示对群体异常识别建模 | 第25-36页 |
| 3.1.1 运动特征提取 | 第25-27页 |
| 3.1.2 运动学光流直方图构建 | 第27-29页 |
| 3.1.3 群体异常行为时空建模 | 第29-31页 |
| 3.1.4 群体异常识别方法 | 第31-34页 |
| 3.1.5 在线学习与更新 | 第34-36页 |
| 3.2 实验结果及分析 | 第36-41页 |
| 第4章：混合高斯模型的运动特征提取 | 第41-45页 |
| 4.1 混合高斯模型算法 | 第41-43页 |
| 4.2 EM算法 | 第43页 |
| 4.3 显著运动特征提取 | 第43-45页 |
| 第5章：基于混合高斯模型的异常行为识别在线学习算法 | 第45-53页 |
| 5.1 群体异常行为检测 | 第45-46页 |
| 5.1.1 帧检测 | 第45-46页 |
| 5.1.2 时空检测 | 第46页 |
| 5.2 异常行为分类识别 | 第46-49页 |
| 5.2.1 中心点的计算 | 第46-47页 |
| 5.2.2 异常帧敏感运动点的平均距离 | 第47页 |
| 5.2.3 异常时空模型离散度 | 第47-48页 |
| 5.2.4 特征有效性实验分析 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-53页 |
| 5.3.1 异常行为检测 | 第49-51页 |
| 5.3.2 异常行为类型识别 | 第51-53页 |
| 第6章：总结与展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |