视频中异常事件检测与特征稀疏表示研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 论文研究的背景和意义 | 第11-12页 |
| 1.2 国内外异常事件检测研究现状 | 第12-16页 |
| 1.2.1 基于分类和聚类的异常检测模型 | 第14-15页 |
| 1.2.2 基于推断的异常检测模型 | 第15页 |
| 1.2.3 基于能量的异常检测模型 | 第15-16页 |
| 1.2.4 基于稀疏重构的异常检测模型 | 第16页 |
| 1.3 论文主要工作及章节安排 | 第16-18页 |
| 1.3.1 简单介绍论文工作内容 | 第16页 |
| 1.3.2 论文章节安排 | 第16-18页 |
| 第2章 异常事件检测方法概述 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 异常事件定义 | 第18-19页 |
| 2.3 异常事件检测问题的难点 | 第19页 |
| 2.4 视频异常事件检测基本模型 | 第19-20页 |
| 2.5 光流特征 | 第20-25页 |
| 2.5.1 Lucas-Kanada算法 | 第20-22页 |
| 2.5.2 基于多项式展开的帧间运动估计算法 | 第22-25页 |
| 2.6 聚类算法研究 | 第25-27页 |
| 2.6.1 K-means聚类 | 第25页 |
| 2.6.2 谱聚类 | 第25-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 基于谱聚类的异常事件检测模型 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 基于谱聚类的异常事件检测算法研究 | 第28-31页 |
| 3.2.1 方法概述 | 第28页 |
| 3.2.2 特征提取 | 第28-29页 |
| 3.2.3 特征学习 | 第29-31页 |
| 3.2.4 视频异常事件检测 | 第31页 |
| 3.2.5 时空后处理 | 第31页 |
| 3.3 实验结果 | 第31-37页 |
| 3.3.1 UCSD数据集 | 第32-35页 |
| 3.3.2 UMN数据集 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于图结构正则化的异常事件检测模型 | 第38-49页 |
| 4.1 引言 | 第38页 |
| 4.2 异常事件检测方法概述 | 第38页 |
| 4.3 稀疏编码理论 | 第38-41页 |
| 4.4 基于图结构正则化的稀疏编码模型 | 第41-45页 |
| 4.4.1 目标函数 | 第41-42页 |
| 4.4.2 稀疏编码 | 第42-43页 |
| 4.4.3 学习字典 | 第43-44页 |
| 4.4.4 视频异常事件检测 | 第44-45页 |
| 4.5 实验结果 | 第45-47页 |
| 4.5.1 UCSD数据集 | 第45-47页 |
| 4.5.2 UNM数据集 | 第47页 |
| 4.6 本章小结 | 第47-49页 |
| 第5章 基于混合高斯和稀疏表示的异常事件检测模型 | 第49-58页 |
| 5.1 引言 | 第49页 |
| 5.2 异常事件检测方法概述 | 第49页 |
| 5.3 混合高斯模型 | 第49-51页 |
| 5.3.1 特征提取 | 第50页 |
| 5.3.2 特征学习 | 第50-51页 |
| 5.4 生成字典 | 第51页 |
| 5.5 视频异常事件检测 | 第51-53页 |
| 5.6 实验结果 | 第53-56页 |
| 5.6.1 UCSD数据集 | 第53-54页 |
| 5.6.2 UNM数据集 | 第54-55页 |
| 5.6.3 检测效果和速率对比分析 | 第55-56页 |
| 5.7 本章小结 | 第56-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65页 |
