面向智能视频监控的异常检测与摘要技术

后记

参考文献

附录D 名词术语解释

C.9 期望和方差

C.8 贝叶斯决策理论

C.7 联合概率分布和条件概率分布

C.6 二项式分布

C.5 随机变量

C.4 贝叶斯公式

C.3 条件概率

C.2 最大似然估计

C.1 概率

附录C 概率统计的一些预备知识

B.3 符号串

B.2 树

B.1 图

附录B 模式组合的一些基本概念

附录A 符号和记号

6.6 本章小结

6.5 实验结果与分析

6.4 基于摄像机网络的视频浓缩算法

6.3 摄像机间轨迹匹配方法

6.2 相关工作

6.1 引言

第6章 基于摄像机网络的视频浓缩

5.7 本章小结

5.6 实验结果与分析

5.5 视频浓缩优化算法

5.4 关键观测点选择

5.3 对象序列提取

5.2 基于运动目标的视频浓缩介绍

5.1 引言

第5章 基于关键观测点选择的视频浓缩

4.7 本章小结

4.6 实验结果与分析

4.5 本书算法

4.4 EMD

4.3 稀疏表示介绍

4.2 相关工作

4.1 引言

第4章 基于鲁棒性稀疏编码的拥挤场景下异常事件检测

3.6 本章小结

3.5 实验结果与分析

3.4 互作用力估计

3.3 基于社会力模型的异常检测

3.2 相关工作

3.1 引言

第3章 基于社会力模型的拥挤场景下异常事件检测

2.3 视频摘要方法概述

2.2 视频异常事件检测方法概述

2.1 引言

第2章 视频分析与摘要研究现状

1.5 研究内容与结构安排

1.4 主要难点与发展趋势

1.3 国内外研究现状

1.2 背景及意义

1.1 引言

第1章 绪论

前言

内容提要

作者简介

版权信息

封面

封面

版权信息

作者简介

内容提要

前言

第1章 绪论

1.1 引言

1.2 背景及意义

1.3 国内外研究现状

1.4 主要难点与发展趋势

1.5 研究内容与结构安排

第2章 视频分析与摘要研究现状

2.1 引言

2.2 视频异常事件检测方法概述

2.3 视频摘要方法概述

第3章 基于社会力模型的拥挤场景下异常事件检测

3.1 引言

3.2 相关工作

3.3 基于社会力模型的异常检测

3.4 互作用力估计

3.5 实验结果与分析

3.6 本章小结

第4章 基于鲁棒性稀疏编码的拥挤场景下异常事件检测

4.1 引言

4.2 相关工作

4.3 稀疏表示介绍

4.4 EMD

4.5 本书算法

4.6 实验结果与分析

4.7 本章小结

第5章 基于关键观测点选择的视频浓缩

5.1 引言

5.2 基于运动目标的视频浓缩介绍

5.3 对象序列提取

5.4 关键观测点选择

5.5 视频浓缩优化算法

5.6 实验结果与分析

5.7 本章小结

第6章 基于摄像机网络的视频浓缩

6.1 引言

6.2 相关工作

6.3 摄像机间轨迹匹配方法

6.4 基于摄像机网络的视频浓缩算法

6.5 实验结果与分析

6.6 本章小结

附录A 符号和记号

附录B 模式组合的一些基本概念

B.1 图

B.2 树

B.3 符号串

附录C 概率统计的一些预备知识

C.1 概率

C.2 最大似然估计

C.3 条件概率

C.4 贝叶斯公式

C.5 随机变量

C.6 二项式分布

C.7 联合概率分布和条件概率分布

C.8 贝叶斯决策理论

C.9 期望和方差

附录D 名词术语解释

参考文献

后记