视频异常事件检测算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及选题意义 | 第9-10页 |
| 1.2 经典算法及研究现状 | 第10-13页 |
| 1.2.1 基于监督学习的异常事件检测 | 第11-12页 |
| 1.2.2 基于半监督学习的异常事件检测 | 第12-13页 |
| 1.2.3 基于无监督学习的异常事件检测 | 第13页 |
| 1.3 本文工作及主要贡献 | 第13-16页 |
| 2 基于动作和外观信息融合的异常事件检测 | 第16-28页 |
| 2.1 基于动作特征的异常事件检测 | 第16-20页 |
| 2.1.1 动作特征统计直方图 | 第16-17页 |
| 2.1.2 拦截直条计算 | 第17-18页 |
| 2.1.3 异常动作检测 | 第18-20页 |
| 2.2 基于外观特征的异常事件检测 | 第20-24页 |
| 2.2.1 视频表示 | 第20-21页 |
| 2.2.2 支持向量数据描述 | 第21-23页 |
| 2.2.3 异常外观检测 | 第23-24页 |
| 2.3 基于证据理论的异常概率图融合 | 第24-28页 |
| 3 基于局部敏感哈希滤波的异常事件检测 | 第28-38页 |
| 3.1 相关算法介绍 | 第28-31页 |
| 3.1.1 局部敏感哈希 | 第28-30页 |
| 3.1.1.1 局部敏感哈希定义 | 第28-29页 |
| 3.1.1.2 基于p-稳定分布的局部敏感哈希 | 第29-30页 |
| 3.1.2 布隆滤波器 | 第30-31页 |
| 3.2 基于局部敏感哈希滤波的异常事件检测 | 第31-34页 |
| 3.2.1 视频表示 | 第31页 |
| 3.2.2 异常事件检测 | 第31-33页 |
| 3.2.3 模型在线更新 | 第33-34页 |
| 3.3 寻找最优哈希投影方向 | 第34-38页 |
| 3.3.1 哈希投影评价函数 | 第34-35页 |
| 3.3.2 粒子群算法寻找最优哈希投影 | 第35-38页 |
| 4 实验与结果 | 第38-51页 |
| 4.1 数据库UCSD实验结果与分析 | 第38-45页 |
| 4.1.1 数据库介绍 | 第38页 |
| 4.1.2 评测准则 | 第38-39页 |
| 4.1.3 实验参数设置 | 第39-40页 |
| 4.1.4 实验结果比较与分析 | 第40-45页 |
| 4.2 数据库Subway实验结果与分析 | 第45-49页 |
| 4.2.1 数据库介绍 | 第45页 |
| 4.2.2 评测准则 | 第45页 |
| 4.2.3 实验参数设置 | 第45-46页 |
| 4.2.4 实验结果比较与分析 | 第46-49页 |
| 4.3 数据库UMN实验结果与分析 | 第49-51页 |
| 4.3.1 数据库介绍 | 第49页 |
| 4.3.2 评测准则 | 第49页 |
| 4.3.3 实验参数设置 | 第49页 |
| 4.3.4 实验结果比较与分析 | 第49-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-59页 |
| 致谢 | 第59-61页 |
