1 绪论
1.1 研究背景与意义
1.2 研究内容及难点
1.3 研究现状
1.3.1传统视频异常检测算法研究现状
1.3.2 基于深度学习的视频异常检测算法研究现状
1.4 本文研究重点内容
1.5 论文组织结构
2 视频异常检测相关理论基础
2.1 卷积神经网络
2.1.1 卷积神经网络简介
2.1.2 3D时空卷积神经网络
2.2 自编码网络
2.3 视频预测网络简介
2.4.1 传统光流介绍
2.4.2 基于深度学习的光流网络简介
2.5 本章小结
3 基于卷积稀疏编码的异常检测算法
3.1 卷积稀疏编码与视频异常检测
3.2 基于卷积稀疏编码的全局异常检测
3.3卷积稀疏编码与HOG相结合的局部异常检测
3.3.1 HOG特征提取
3.3.2 SVM分类模型
3.4 数据集与评价标准
3.4.1 训练与测试数据集
3.4.2 视频异常检测评价标准
3.5 实验结果
3.5.1 全局异常检测结果
3.5.2 局部异常检测结果
3.6 本章小结
4 基于全卷积自编码重构与预测的视频异常检测算法
4.1 算法动机
4.2.1 全卷积自编码重构网络设计
4.2.2 全卷积预测网络设计
4.2.3光流网络
4.3 实验结果与分析
4.3.1 实现细节
4.3.2 公开数据集性能评估
4.3.3 实测视频性能评估
4.4 本章小结
5 总结与展望
5.1 总结
5.2 展望
参考文献
附录
A. 作者在攻读学位期间发表的论文目录
B. 作者在攻读学位期间取得的科研成果目录
C. 作者在攻读学位期间参加的科研项目
D. 学位论文数据集
致谢
重庆大学;