基于时空特征点的群体异常行为检测算法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究动态及主要研究方法 | 第10-12页 |
| ·行为检测研究中存在的问题 | 第12-13页 |
| ·论文的主要内容及结构安排 | 第13-15页 |
| 第2章 时空特征点的提取 | 第15-25页 |
| ·引言 | 第15页 |
| ·视频中时空特征的提取 | 第15-24页 |
| ·空间特征点的检测 | 第15-16页 |
| ·时空特征点的检测 | 第16-21页 |
| ·检测方法对比分析 | 第21-24页 |
| ·本章小节 | 第24-25页 |
| 第3章 时空特征点的描述 | 第25-34页 |
| ·引言 | 第25页 |
| ·时空特征点的描述 | 第25-33页 |
| ·梯度直方图 | 第25-27页 |
| ·光流方向直方图 | 第27-30页 |
| ·时空Haar 特征 | 第30-32页 |
| ·描述方法对比分析 | 第32-33页 |
| ·本章小节 | 第33-34页 |
| 第4章 正常群体行为建模及异常行为检测 | 第34-47页 |
| ·引言 | 第34-35页 |
| ·Bag of words 模型及传统方法分析 | 第35-37页 |
| ·Bag of words 模型 | 第35页 |
| ·K-means 方法分析 | 第35-37页 |
| ·传统方法存在的问题及解决方法 | 第37页 |
| ·高斯混合模型建模 | 第37-44页 |
| ·参数估计方法概述 | 第37-38页 |
| ·混合模型聚类原理 | 第38-39页 |
| ·高斯混合模型 | 第39-40页 |
| ·EM 算法的含义及原理 | 第40-41页 |
| ·聚类的EM 算法 | 第41-43页 |
| ·基于EM 估计的GMM 建模试验 | 第43-44页 |
| ·正常行为的学习及异常行为的检测 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第5章 试验数据结果与分析 | 第47-57页 |
| ·引言 | 第47页 |
| ·数据集简介 | 第47-48页 |
| ·UMN 数据集 | 第47-48页 |
| ·UCF 数据集 | 第48页 |
| ·算法细节 | 第48-49页 |
| ·实验数据结果 | 第49-54页 |
| ·时空特征点提取实验 | 第49-50页 |
| ·检测实验 | 第50-54页 |
| ·实验结果分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
