| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外发展现状 | 第10-14页 |
| 1.2.1 群体异常行为分类 | 第10-11页 |
| 1.2.2 国内外视频监控系统 | 第11-12页 |
| 1.2.3 国内外群体异常行为检测数据集 | 第12-13页 |
| 1.2.4 国内外群体异常行为检测研究方法及不足 | 第13-14页 |
| 1.3 本文主要贡献与论文 | 第14-18页 |
| 1.3.1 论文主要工作 | 第15页 |
| 1.3.2 论文的组织结构 | 第15-18页 |
| 第2章 视频监控图像预处理与光流算法 | 第18-28页 |
| 2.1 监控视频图像预处理 | 第18-20页 |
| 2.1.1 图像灰度化 | 第18-19页 |
| 2.1.2 图像去噪 | 第19-20页 |
| 2.2 光流算法研究 | 第20-25页 |
| 2.2.1 运动场与光流场 | 第20-22页 |
| 2.2.2 传统光流算法 | 第22-24页 |
| 2.2.3 改进的光流算法 | 第24-25页 |
| 2.3 本章小结 | 第25-28页 |
| 第3章 基于运动特征和外观特征的局部异常行为检测方法 | 第28-44页 |
| 3.1 基于运动特征的局部异常行为检测 | 第29-38页 |
| 3.1.1 运动信息提取 | 第29-32页 |
| 3.1.2 运动能量模型建立 | 第32-35页 |
| 3.1.3 边界值提取 | 第35-37页 |
| 3.1.4 时空块分类 | 第37-38页 |
| 3.2 基于外观特征的局部异常行为检测 | 第38-42页 |
| 3.2.1 外观特征提取 | 第38-39页 |
| 3.2.2 支持向量数据描述 | 第39-41页 |
| 3.2.3 时空块分类 | 第41-42页 |
| 3.3 本章小结 | 第42-44页 |
| 第4章 基于运动信息熵的全局行为异常检测方法 | 第44-52页 |
| 4.1 运动信息熵 | 第44-48页 |
| 4.1.1 运动信息熵定义 | 第45-46页 |
| 4.1.2 运动信息熵数据保留 | 第46-48页 |
| 4.2 基于运动信息熵的全局异常检测 | 第48-51页 |
| 4.2.1 训练集运动信息熵的高斯分布拟合 | 第48-49页 |
| 4.2.2 全局异常行为检测 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第5章 实验结果与分析 | 第52-64页 |
| 5.1 实验数据集介绍 | 第52-53页 |
| 5.1.1 UCSD数据集介绍 | 第52-53页 |
| 5.1.2 UMN数据集介绍 | 第53页 |
| 5.2 评测标准 | 第53-55页 |
| 5.3 局部异常行为检测方法实验结果与分析 | 第55-61页 |
| 5.4 全局异常行为检测方法实验结果与分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况说明 | 第70-72页 |
| 致谢 | 第72页 |