| 作者简介 | 第1-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景及意义 | 第11-13页 |
| ·智能视频监控研究现状 | 第13-16页 |
| ·研究内容、方法与主要成果 | 第16-19页 |
| ·研究内容和方法 | 第16-17页 |
| ·主要研究成果 | 第17-19页 |
| ·本文的内容组织 | 第19-21页 |
| 第二章 人体异常行为识别研究现状 | 第21-35页 |
| ·人体运动特征提取方法 | 第21-29页 |
| ·静态特征 | 第21-23页 |
| ·动态特征 | 第23-25页 |
| ·时空特征 | 第25-29页 |
| ·人体行为表示 | 第29-30页 |
| ·人体异常行为识别方法 | 第30-34页 |
| ·基于有监督学习的识别方法 | 第31-33页 |
| ·基于无监督学习的方法 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于语义主题模型的人体行为聚类 | 第35-59页 |
| ·语义主题模型相关理论 | 第35-43页 |
| ·概率图模型 | 第35-36页 |
| ·贝叶斯网络 | 第36-37页 |
| ·概率生成模型 | 第37-38页 |
| ·统计推断 | 第38-43页 |
| ·基于 PLSA 和 LDA 模型的人体行为聚类 | 第43-50页 |
| ·基于 PLSA 模型的人体行为聚类 | 第43-45页 |
| ·基于 LDA 模型的人体行为聚类 | 第45-50页 |
| ·基于 HMTM 模型的人体行为聚类 | 第50-58页 |
| ·隐马尔科夫主题模型（Hidden Markov Topic Model, HMTM） | 第50-52页 |
| ·人体行为模型的无监督学习 | 第52-54页 |
| ·人体行为判别方法 | 第54页 |
| ·实验与分析 | 第54-58页 |
| ·本章小结 | 第58-59页 |
| 第四章 基于层次语义主题模型的行为聚类 | 第59-77页 |
| ·基于协同聚类主题模型的人体行为聚类 | 第59-67页 |
| ·协同聚类主题模型（Co-Clustering Topic Model，CCTM） | 第59-61页 |
| ·人体行为模型的无监督学习 | 第61-62页 |
| ·人体行为判别方法 | 第62-63页 |
| ·实验与分析 | 第63-67页 |
| ·基于主题隐马尔科夫模型的行为聚类 | 第67-75页 |
| ·主题隐马尔科夫模型（Topic Hidden Markov Model，THMM） | 第68-70页 |
| ·人体行为模型的无监督学习 | 第70-71页 |
| ·人体行为判别方法 | 第71页 |
| ·实验与分析 | 第71-75页 |
| ·本章小结 | 第75-77页 |
| 第五章 在线异常行为检测和正常行为识别 | 第77-91页 |
| ·基于 LRT 的异常行为检测和正常行为识别 | 第77-84页 |
| ·在线异常行为检测 | 第77-78页 |
| ·基于在线似然比检验（LRT）的正常行为识别 | 第78-79页 |
| ·实验与分析 | 第79-84页 |
| ·基于 FK-OOCSVM 的异常行为检测 | 第84-90页 |
| ·基于主题模型的 Fisher 核函数 | 第84-85页 |
| ·在线单类支撑向量机（Online One-class SVM，OOCSVM） | 第85-86页 |
| ·实验与分析 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 总结与展望 | 第91-95页 |
| ·本文总结 | 第91-93页 |
| ·未来展望 | 第93-95页 |
| 致谢 | 第95-97页 |
| 参考文献 | 第97-105页 |
| 攻读博士学位期间完成的论文和科研工作 | 第105-107页 |
