面向高清视频的异常行为识别方法
目录
摘要 (i)
ABSTRACT (ii)
第一章绪论 (1)
1.1 研究背景与意义 (1)
1.2 国内外研究现状 (2)
1.3 论文工作和任务 (4)
第二章运动矢量计算 (6)
2.1 运动矢量 (6)
2.1.1 运动矢量概念 (6)
2.1.2 运动矢量与目标运动 (6)
2.1.3 影响运动矢量的因素 (7)
2.2 基于压缩码流的运动矢量快速提取 (11)
2.2.1 基于MPEG-4的运动矢量提取 (11)
2.2.2 基于H.264的运动矢量提取 (12)
2.3 运动矢量的规范化 (13)
2.3.1 消除多参考帧的影响 (13)
2.3.2 消除多宏块模式的影响 (14)
2.4 本章小结 (15)
第三章基于运动矢量的运动目标检测方法 (16)
3.1 概述 (16)
3.2 运动矢量提取 (18)
3.3 高速运动目标检测 (19)
3.3.1 全局运动估计 (20)
3.3.2 全局运动补偿 (21)
3.3.3 运动目标分割 (22)
3.4 实验仿真与分析 (23)
3.4.1 实验数据 (24)
3.4.2 最佳阈值参数 (24)
3.4.3 运动目标检测准确度 (25)
3.4.4 运动目标检测复杂度 (26)
3.5 本章小结 (27)
4.1 概述 (28)
4.2 运动特征提取 (29)
4.2.1 帧内运动特征提取 (29)
4.2.2 帧间运动特征提取 (31)
4.2.3 行为特征描述子 (32)
4.3 实验仿真与分析 (33)
4.3.1 实验数据 (34)
4.3.2 帧内运动特征提取 (34)
4.3.3 帧间运动特征提取 (36)
4.3.4 最佳阈值参数 (37)
4.4 本章小结 (38)
第五章基于运动矢量的异常行为分类方法 (39)
5.1 异常行为分类器 (39)
5.1.1 常见的分类器 (39)
5.1.2 支持向量机原理 (40)
5.1.3 基于SVM的异常行为识别 (43)
5.2 实验仿真与分析 (45)
5.2.1 异常行为数据库的构建 (45)
5.2.2 分类器合理性验证 (46)
5.2.3 参数有效性验证 (47)
5.2.4 异常行为归属类别判断 (47)
5.3 本章小结 (49)
第六章总结与展望 (50)
6.1 本文工作总结 (50)
6.2 下一步工作展望 (51)
致谢 (52)
参考文献 (53)
作者在学期间取得的学术成果 (57)
作者在学期间参与的科研项目 (57)
作者在学期间获得的学术奖励 (57)
表目录
表3.1 运动目标检测结果（PCC/%） (26)
表4.1 不同行为的区域运动矢量直方图对比 (34)
表4.2 不同行为的方向均值和方向熵对比 (35)
表4.3 运动矢量方向直方图对比 (36)
表4.4 运动矢量强度差 (37)
表5.1 主流视频数据库特性 (45)
表5.2 参数有效性验证实验 (47)
表5.3 异常行为分类实验 (48)
表5.4 比较不同算法在KTH和WeiZmann数据库下的分类效果 (48)
表5.5 不同算法在自建数据库上的识别效果 (49)
图目录
图1.1 高清视频获取设备的应用比例统计 (2)
图1.2 算法流程图 (5)
图2.1 运动矢量示意图 (6)
图2.2 摄像机（目标）运动示意图 (7)
图2.3 块模式种类 (8)
图2.4 参考帧示意图 (10)
图2.5 时空相关性 (11)
图2.6 运动矢量提取对比图 (13)
图2.7 运动矢量规范化对比图 (14)
图2.8 运动矢量归一化示意图 (14)
图3.1 运动目标提取流程图 (16)
图3.2 面向动摄像机的高速运动目标检测 (20)
图3.3 运动矢量幅度直方图统计 (20)
图3.4 存在全局运动的运动矢量直方图统计 (21)
图3.5 全局运动补偿示意图 (22)
图3.6 运动目标分割实验效果对比图 (23)
图3.7 运动矢量灰度投影对比图 (24)
图3.8 矢量分布统计 (25)
图3.9 运动目标检测实验仿真结果 (25)
图3.10 四种算法耗时对比图 (27)
图4.1 区域运动矢量示意图 (28)
图4.2 区域运动矢量直方图 (30)
图4.3 异常行为特征提取算法流程示意图 (34)
图4.4 类间方差统计示意图 (37)
图5.1 最优分类超平面示意图 (40)
图5.2 一对多方法分类示意图 (43)
图5.3 有向无环图方法分类示意图 (44)
图5.4 三级行为分类器 (44)
图5.5 主流行为数据库示意图 (45)
图5.6 V AP高清行为数据库示意图 (46)
图5.7 分类器合理性验证实验 (46)