| 中文摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1. 研究背景与意义 | 第11-13页 |
| 1.1.1. 研究背景 | 第11-12页 |
| 1.1.2. 研究意义 | 第12-13页 |
| 1.2. 国内外研究现状 | 第13-20页 |
| 1.2.1. 特征提取 | 第14-17页 |
| 1.2.2. 异常行为检测 | 第17-20页 |
| 1.3. 论文结构 | 第20-22页 |
| 第二章 视频图像预处理 | 第22-32页 |
| 2.1. 图像色彩空间转换 | 第22-24页 |
| 2.1.1. RGB模型 | 第22-23页 |
| 2.1.2. YUV模型 | 第23-24页 |
| 2.1.3. 灰度模型 | 第24页 |
| 2.2. 形态学处理 | 第24-27页 |
| 2.2.1. 腐蚀 | 第25页 |
| 2.2.2. 膨胀 | 第25页 |
| 2.2.3. 开运算 | 第25页 |
| 2.2.4. 闭运算 | 第25-27页 |
| 2.3. 视频噪声过滤技术 | 第27-31页 |
| 2.3.1. 中值滤波 | 第27-28页 |
| 2.3.2. 高斯滤波 | 第28页 |
| 2.3.3. 图像增强技术 | 第28-31页 |
| 2.4. 本章小结 | 第31-32页 |
| 第三章 复杂场景下的运动人体目标检测 | 第32-45页 |
| 3.1. 运动前景目标检测算法 | 第32-38页 |
| 3.1.1. 单高斯背景模型 | 第32-33页 |
| 3.1.2. 背景减除法 | 第33-35页 |
| 3.1.3. 帧间差分法的前景检测 | 第35-36页 |
| 3.1.4. 基于光流法的运动目标前景检测 | 第36-38页 |
| 3.2. 基于团块运动能量的运动人体目标检测 | 第38-44页 |
| 3.2.1. 基于团块运动能量的运动人体目标检测算法概述 | 第38-40页 |
| 3.2.2. 基于视觉注意模型的团块检测 | 第40-41页 |
| 3.2.3. 基于团块运动能量的人体目标检测 | 第41-44页 |
| 3.3. 本章小结 | 第44-45页 |
| 第四章 基于多特征融合的人体行为特征提取与表达 | 第45-52页 |
| 4.1. 概述 | 第45-46页 |
| 4.2. 基于团块的光流直方图特征提取 | 第46-48页 |
| 4.3. HOG特征提取 | 第48-49页 |
| 4.4. 基于主成份分析的特征融合 | 第49-51页 |
| 4.4.1. 主成分分析算法 | 第49-50页 |
| 4.4.2. 基于PCA的多特征融合 | 第50-51页 |
| 4.5. 本章小结 | 第51-52页 |
| 第五章 基于多尺度时间递归神经网络的人体异常行为检测 | 第52-60页 |
| 5.1. 算法概述 | 第52-53页 |
| 5.2. 基于多层递归神经网络的人体异常行为检测模型 | 第53-55页 |
| 5.3. 实验结果与分析 | 第55-59页 |
| 5.3.1. 数据集 | 第55-56页 |
| 5.3.2. 评估方式 | 第56页 |
| 5.3.3. 实验结果 | 第56-59页 |
| 5.4. 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
