基于监控视频的人体异常行为检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 智能监控技术发展现状 | 第13-18页 |
| 1.2.1 国外研究现状 | 第14-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.2.3 常见异常行为检测智能监控系统类型 | 第17-18页 |
| 1.3 本文课题来源与章节安排 | 第18-21页 |
| 1.3.1 课题来源 | 第18页 |
| 1.3.2 本文章节安排 | 第18-21页 |
| 第2章 异常行为检测算法综述 | 第21-33页 |
| 2.1 引言 | 第21页 |
| 2.2 异常行为检测方法面临的挑战 | 第21-22页 |
| 2.3 特征提取 | 第22-27页 |
| 2.3.1 采样规则 | 第23-25页 |
| 2.3.2 局部特征 | 第25-27页 |
| 2.4 特征学习方法 | 第27-29页 |
| 2.4.1 基于有监督学习的特征学习方法 | 第27-28页 |
| 2.4.2 基于无监督学习的特征学习方法 | 第28-29页 |
| 2.5 异常检测方法 | 第29-30页 |
| 2.6 本文的算法流程 | 第30-31页 |
| 2.7 本章小结 | 第31-33页 |
| 第3章 人体行为特征描述子 | 第33-45页 |
| 3.1 引言 | 第33页 |
| 3.2 HOG特征描述子 | 第33-37页 |
| 3.2.1 HOG特征介绍 | 第34-36页 |
| 3.2.2 HOG特征分析 | 第36-37页 |
| 3.3 基于高斯加权HOG的局部时空描述子 | 第37-44页 |
| 3.3.1 底层特征 | 第38-40页 |
| 3.3.2 高层特征 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 基于聚类的无监督的特征学习方法研究 | 第45-57页 |
| 4.1 引言 | 第45页 |
| 4.2 常见的聚类算法介绍 | 第45-49页 |
| 4.2.1 K-Means聚类算法 | 第46-47页 |
| 4.2.2 模糊C均值(FCM)聚类算法 | 第47-49页 |
| 4.3 加权模糊C均值算法 | 第49-51页 |
| 4.4 基于对称KL散度的加权模糊聚类算法 | 第51-54页 |
| 4.5 实验结果与分析 | 第54-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第5章 异常行为的检测与结果分析 | 第57-67页 |
| 5.1 引言 | 第57页 |
| 5.2 视觉词袋模型 | 第57-60页 |
| 5.2.1 视觉词袋模型具体流程 | 第58-59页 |
| 5.2.2 视觉词袋模型主要缺陷 | 第59-60页 |
| 5.3 基于视觉词典的自适应阈值异常检测方法 | 第60-62页 |
| 5.4 实验结果与分析 | 第62-65页 |
| 5.5 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67-68页 |
| 6.2 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
