| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·监督方法 | 第11-12页 |
| ·非监督方法 | 第12-14页 |
| ·运动目标轨迹特征 | 第12-13页 |
| ·时空特征 | 第13-14页 |
| ·环境和行为特征 | 第14页 |
| ·论文的研究内容和结构安排 | 第14-15页 |
| 第二章 特征抽取 | 第15-30页 |
| ·空间特征 | 第15-20页 |
| ·尺度不变特征变换 | 第15-19页 |
| ·建立尺度空间 | 第15-16页 |
| ·搜索特征点 | 第16-17页 |
| ·定位特征点 | 第17-18页 |
| ·删除边缘特征点 | 第18-19页 |
| ·角点 | 第19-20页 |
| ·基于 Harris 检测算子方法 | 第19-20页 |
| ·光流特征 | 第20-27页 |
| ·金字塔 Lucas-Kanade 算法 | 第20-25页 |
| ·构建金字塔 | 第20-21页 |
| ·金字塔 Lucas-Kanade 算法流程 | 第21-22页 |
| ·迭代 LK 算法 | 第22-25页 |
| ·Horn-Schunck 算法 | 第25-27页 |
| ·光流约束方程 | 第25-26页 |
| ·H-S 光流法 | 第26-27页 |
| ·ICA/PCA 特征 | 第27-30页 |
| ·独立分量分析 | 第27-29页 |
| ·ICA 模型定义 | 第27-28页 |
| ·基于负熵的 FastICA 算法 | 第28-29页 |
| ·主分量分析 | 第29-30页 |
| 第三章 基于 iHMM 的多时间粒度视频异常事件检测 | 第30-41页 |
| ·引言 | 第30页 |
| ·无限隐马尔可夫模型 | 第30-37页 |
| ·狄利克雷分布 | 第31-32页 |
| ·狄利克雷过程 | 第32-35页 |
| ·多层狄利克雷过程 | 第32-33页 |
| ·HDP 参数推理 | 第33-35页 |
| ·无限隐马尔可夫模型 | 第35-36页 |
| ·iHMM 参数推理 | 第36-37页 |
| ·吉布斯采样 | 第36页 |
| ·束采样 | 第36-37页 |
| ·基于 iHMM 的多时间粒度视频异常事件检测 | 第37-39页 |
| ·图像特征抽取 | 第37-38页 |
| ·iHMM 训练与异常检测 | 第38页 |
| ·多时间粒度下的异常检测 | 第38-39页 |
| ·实验分析 | 第39-40页 |
| ·图像特征抽取与 iHMM 异常检测 | 第39-40页 |
| ·多时间粒度异常事件检测 | 第40页 |
| ·结论 | 第40-41页 |
| 第四章 基于 HMM 和 LDA 级联的视频异常事件检测 | 第41-50页 |
| ·引言 | 第41页 |
| ·隐藏狄利克雷分配 | 第41-45页 |
| ·模型定义 | 第42页 |
| ·模型推理 | 第42-45页 |
| ·基于 HMM 和 LDA 级联的异常检测 | 第45-46页 |
| ·底层特征抽取 | 第45页 |
| ·LDA 语义特征抽取 | 第45-46页 |
| ·HMM 异常检测 | 第46页 |
| ·实验分析 | 第46-49页 |
| ·特征抽取 | 第47页 |
| ·异常检测 | 第47-49页 |
| ·仿真比较 | 第49页 |
| ·结论 | 第49-50页 |
| 第五章 基于 DMC-HMM 模型的视频异常事件检测 | 第50-57页 |
| ·引言 | 第50页 |
| ·基于 DMC-HMM 模型的异常检测 | 第50-53页 |
| ·光流特征抽取 | 第50-51页 |
| ·DMC-HMM 模型与异常检测 | 第51-53页 |
| ·DMC-HMM 模型结构 | 第51-52页 |
| ·DMC-HMM 模型推理 | 第52-53页 |
| ·异常检测 | 第53页 |
| ·实验分析 | 第53-56页 |
| ·特征抽取 | 第54-55页 |
| ·仿真分析 | 第55-56页 |
| ·结论 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63页 |
