基于全卷积神经网络的群体异常事件检测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及其意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-15页 |
| 1.4 论文主要研究内容与组织结构 | 第15-17页 |
| 第2章 FCN特征提取与特征编码 | 第17-32页 |
| 2.1 卷积神经网络 | 第17-21页 |
| 2.1.1 卷积神经网络基本原理 | 第17-20页 |
| 2.1.2 局限性分析 | 第20-21页 |
| 2.2 基于FCN的特征提取 | 第21-25页 |
| 2.2.1 将CNN转换为FCN | 第21-23页 |
| 2.2.2 FCN网络结构 | 第23-24页 |
| 2.2.3 卷积特征提取 | 第24-25页 |
| 2.3 基于迭代量化的特征编码层 | 第25-31页 |
| 2.3.1 迭代量化原理 | 第26-28页 |
| 2.3.2 卷积特征二值化 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 异常事件检测和定位 | 第32-47页 |
| 3.1 基于二进制特征直方图的异常度量方法 | 第32-37页 |
| 3.1.1 堆叠输入图像的二进制特征 | 第32-33页 |
| 3.1.2 特征直方图与异常系数计算 | 第33-37页 |
| 3.2 基于光流信息融合的异常区域定位 | 第37-45页 |
| 3.2.1 常用光流法与对比分析 | 第38-43页 |
| 3.2.2 提取堆叠光流特征 | 第43-45页 |
| 3.3 异常检测与定位流程 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第4章 实验结果与对比分析 | 第47-57页 |
| 4.1 实验数据集介绍 | 第47-48页 |
| 4.2 全局异常事件检测 | 第48-53页 |
| 4.3 局部异常区域定位 | 第53-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 工作总结与展望 | 第57-59页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间的科研成果 | 第64页 |
