| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 国内外研究概况 | 第10-12页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 主要问题 | 第12页 |
| 1.3 论文研究内容与组织结构 | 第12-16页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 论文组织结构 | 第13-16页 |
| 第二章 监控视频场景异常检测技术综述 | 第16-28页 |
| 2.1 监控视频场景异常检测系统介绍 | 第16-19页 |
| 2.1.1 视频场景异常定义及检测 | 第16-17页 |
| 2.1.2 监控视频场景异常检测系统 | 第17-19页 |
| 2.2 视频的特征提取和选择 | 第19-23页 |
| 2.2.1 视频运动特征提取 | 第19-21页 |
| 2.2.2 视频结构特征提取 | 第21页 |
| 2.2.3 特征选择 | 第21-23页 |
| 2.3 人群模型 | 第23-24页 |
| 2.3.1 基于视觉特征的分析 | 第23页 |
| 2.3.2 Agent模型 | 第23-24页 |
| 2.3.3 基于动力学模型 | 第24页 |
| 2.4 分类学习模型 | 第24-27页 |
| 2.4.1 SVM分类模型 | 第24-26页 |
| 2.4.2 SVM模型优化算法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于改进GA的特征选择和SVM模型联合优化 | 第28-46页 |
| 3.1 算法基本原理 | 第28-35页 |
| 3.1.1 算法改进的思路 | 第28-30页 |
| 3.1.2 基本遗传算法 | 第30-32页 |
| 3.1.3 改进的GA算法原理 | 第32-35页 |
| 3.2 算法实现 | 第35-40页 |
| 3.2.1 视频多特征提取 | 第36-38页 |
| 3.2.2 基于改进GA的联合优化过程 | 第38-40页 |
| 3.3 仿真实验 | 第40-44页 |
| 3.3.1 系统仿真环境 | 第40-41页 |
| 3.3.2 仿真结果与分析 | 第41-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于改进社会力模型的视频异常检测 | 第46-60页 |
| 4.1 社会力模型及其优化 | 第46-49页 |
| 4.1.1 传统社会力模型 | 第46-48页 |
| 4.1.2 社会力模型优化现状 | 第48-49页 |
| 4.2 基于改进社会力模型的异常检测 | 第49-54页 |
| 4.2.1 光流运动估计 | 第49-50页 |
| 4.2.2 粒子群算法基本原理 | 第50-52页 |
| 4.2.3 基于PSO的改进社会力模型异常检测 | 第52-54页 |
| 4.3 仿真实验 | 第54-59页 |
| 4.3.1 系统仿真环境 | 第55页 |
| 4.3.2 仿真结果与分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 基于Hadoop的分布式监控视频场景异常检测框架 | 第60-79页 |
| 5.1 Hadoop平台简介 | 第60-64页 |
| 5.1.1 HDFS文件存储系统 | 第61-62页 |
| 5.1.2 MapReduce编程模型 | 第62-64页 |
| 5.2 基于Hadoop的分布式视频异常检测 | 第64-71页 |
| 5.2.1 视频数据预处理 | 第65-67页 |
| 5.2.2 基于mapreduce的SVM设计 | 第67-71页 |
| 5.3 仿真实验 | 第71-76页 |
| 5.3.1 搭建Hadoop集群 | 第71-73页 |
| 5.3.2 仿真结果与分析 | 第73-76页 |
| 5.4 本章小结 | 第76-79页 |
| 第六章 总结与展望 | 第79-81页 |
| 6.1 论文工作总结 | 第79-80页 |
| 6.2 未来工作展望 | 第80-81页 |
| 参考文献 | 第81-84页 |
| 附录 攻读硕士学位期间撰写的论文 | 第84-85页 |
| 致谢 | 第85页 |