基于时序CNN与稀疏光流的监控视频人车异常检测方法

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 研究内容

1.4 本文结构

第2章 基于时序CNN与稀疏光流的监控视频人车异常检测

2.1 研究的数据及解决的主要问题

2.2 监控视频的异常检测方法

2.3 基于时序CNN与稀疏光流的监控视频人车异常检测方法

2.3.1 基于时序CNN与稀疏光流的监控视频的人车异常检测

2.3.2 时序CNN与稀疏光流的融合

2.4 本章小结

第3章 基于时序CNN的视频异常检测

3.1 基于时序CNN视频异常检测的思路

3.2 二值全卷积网络

3.2.1 基于帧的全卷积网络

3.2.2 二值量化层

3.3 迭代量化算法

3.4 时序CNN模式(TCP)

3.5 本章小结

第4章 基于鲁棒稀疏光流的视频异常检测

4.1 基于鲁棒稀疏光流的视频异常检测思路

4.2 鲁棒的稀疏光流

4.2.1 用于前景区域提取的ViBe算法

4.2.2 计算鲁棒的稀疏光流

4.3 光流直方图

4.3.1 光流法的计算原理

4.3.2 Lucas-Kanade光流法

4.4 鲁棒的稀疏光流特征聚合

4.5 本章小结

第5章 实验结果及分析

5.1 数据集

5.2 评价准则

5.3 异常结果与分析

5.3.1 实际采集的监控视频上的异常结果与分析

5.3.2 UCSD数据集上的异常结果与分析

5.4 本章小结

第6章 全文总结与展望

6.1 总结

6.2 展望

致谢

参考文献

攻读硕士学位期间取得的学术成果