智能视频数据处理与挖掘PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1研究背景与意义 1

1.2国内外研究现状 2

1.2.1视频超分辨率重建方法的研究现状 2

1.2.2视频去噪方法的研究现状 7

1.2.3视频异常事件检测方法的研究现状 9

1.2.4视频异常事件识别方法的研究现状 11

参考文献 13

第2章 相关技术 23

2.1稀疏字典学习 23

2.1.1低秩矩阵的生成 23

2.1.2低秩矩阵的分解 24

2.2视频的时空相似性学习 25

2.3视频特征提取 26

2.3.1运动目标检测 26

2.3.2背景建模方法 28

2.3.3行为特征表示 29

2.4基于深度学习模型的视频超分辨率重建 30

2.4.1基于深度卷积神经网络的超分辨率重建算法概述 30

2.4.2深度卷积神经网络在超分辨率重建算法中的应用 32

2.5视频异常事件检测 33

2.5.1基于深度学习的异常事件检测方法 33

2.5.2基于稀疏表示的异常事件检测方法 34

2.6视频异常事件识别 35

本章小结 36

参考文献 37

第3章 基于残差卷积神经网络的视频去噪 42

3.1基于残差卷积神经网络的视频去噪算法框架 43

3.2基于残差卷积神经网络的视频去噪算法实现 43

3.2.1基于低秩矩阵分解的稀疏字典去噪 43

3.2.2残差图像预处理 45

3.2.3卷积神经网络训练 47

3.2.4基于残差卷积神经网络的视频去噪算法的实现步骤 48

3.3实验结果及分析 49

3.3.1实验一：不同噪声方差下对随机噪声的去噪效果对比实验 49

3.3.2实验二：相同噪声方差下对不同噪声的去噪效果对比实验 55

本章小结 59

参考文献 60

第4章 基于半耦合字典学习和时空非局部相似性的视频超分辨率重建 62

4.1引言 62

4.2视频超分辨率重建观测模型 64

4.3基于非局部相似性的超分辨率重建 65

4.4基于半耦合字典学习和时空非局部相似性的视频超分辨率重建算法 67

4.4.1 CNLSR算法研究动机 67

4.4.2 CNLSR算法框架 67

4.4.3 CNLSR算法数学模型 69

4.4.4 CNLSR算法描述 69

4.4.5 CNLSR算法步骤 76

4.5实验结果与分析 76

4.5.1实验数据集 76

4.5.2客观评价指标 77

4.5.3实验结果与分析 78

本章小结 93

参考文献 94

第5章 基于深度学习和时空特征自相似性的视频超分辨率重建 98

5.1引言 98

5.2基于深度学习和时空特征相似性的视频超分辨率重建算法 101

5.2.1 DLSS-VSR算法研究动机 101

5.2.2 DLSS-VSR算法框架 101

5.2.3 DLSS-VSR算法数学模型 102

5.2.4 DLSS-VSR算法描述 103

5.2.5 DLSS-VSR算法步骤 112

5.3实验结果与分析 113

5.3.1实验数据集 113

5.3.2客观评价指标 114

5.3.3实验结果与分析 114

本章小结 127

参考文献 128

第6章 视频显著性时空特征提取 131

6.1视频显著性时空特征提取的算法框架 131

6.2视频显著性时空特征提取的算法实现 132

6.2.1视频背景建模和前景检测 132

6.2.2视频显著性时空特征提取 134

6.2.3视频显著性时空特征降维 135

6.3视频显著性时空特征提取实验结果 136

6.3.1视频背景建模和前景检测结果 136

6.3.2视频显著性时空特征提取结果 137

本章小结 138

参考文献 139

第7章 基于稀疏组合学习的视频异常事件检测 140

7.1基于稀疏组合学习的视频异常事件检测的算法框架 140

7.2基于稀疏组合学习的视频异常事件检测的算法实现 141

7.2.1基于稀疏组合学习的异常事件检测的主要思想 141

7.2.2基于稀疏组合学习的异常事件检测的训练过程 142

7.2.3基于稀疏组合学习的异常事件检测的测试过程 144

7.3实验结果与分析 145

7.3.1数据集 145

7.3.2评价指标 145

7.3.3 ScenicSpot景区数据集的实验结果与分析 146

7.3.4 Avenue标准数据集的实验结果与分析 148

7.3.5 UCSD Ped1数据集的实验结果与分析 152

本章小结 155

参考文献 156

第8章 基于时空感知深度网络的视频异常事件识别 157

8.1基于时空感知深度网络的视频异常事件识别的算法框架 157

8.2基于时空感知深度网络的视频异常事件识别的算法实现 158

8.2.1时空感知深度网络 158

8.2.2时空金字塔池化 159

8.2.3基于时空感知深度网络的异常事件识别 160

8.3实验结果与分析 161

8.3.1数据集 161

8.3.2评价指标 162

8.3.3旅游景区数据集的实验结果与分析 162

8.3.4 Avenue数据集的实验结果与分析 164

本章小结 166

参考文献 167

第9章 视频数据去噪和超分辨率重建系统 168

9.1引言 168

9.2系统总体设计 168

9.3系统详细设计 170

9.3.1视频预处理模块详细设计 170

9.3.2视频超分辨率重建模块详细设计 171

9.3.3性能评价模块详细设计 171

9.4系统主要功能模块的实现 172

9.4.1视频预处理模块的实现 172

9.4.2视频超分辨率重建模块的实现 173

9.4.3性能评价模块的实现 176

本章小结 178

第10章 旅游景区视频异常事件检测与识别系统 179

10.1系统需求分析 179

10.2系统总体设计 180

10.3系统功能模块的详细设计 182

10.3.1视频特征提取模块 182

10.3.2异常事件检测模块 182

10.3.3异常事件识别模块 183

10.4系统的实现与测试 184

10.4.1视频特征提取模块功能的实现 184

10.4.2异常事件检测模块功能的实现 186

10.4.3异常事件识别模块功能的实现 186

10.4.4系统测试 190

本章小结 191

查看更多关于的内容